数据集概述
本数据集是论文《Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography》的配套数据，包含模型验证所需的校准器、数据拆分映射、NLST数据集标注及模型文件等，共6个文件，支持Sybil深度学习模型的复现与应用。
文件详解
- 压缩文件（Archive files）
- 文件名称：calibrators.zip
- 文件格式：ZIP
- 字段映射介绍：模型校准相关文件压缩包，具体内容未提供预览
- 文件名称：models.zip
- 文件格式：ZIP
- 字段映射介绍：Sybil深度学习模型文件压缩包，具体内容未提供预览
- 数据文件（Data files）
- 文件名称：pid2split.csv
- 文件格式：CSV
- 字段映射介绍：包含PID（患者ID）、SPLIT（数据拆分类型，如train、test、dev）两个字段，记录患者数据的拆分分配
- 文件名称：data_splits.p
- 文件格式：PICKLE
- 字段映射介绍：数据拆分相关的序列化文件，具体内容未提供预览
- 文件名称：pid_tp_series2split.p
- 文件格式：PICKLE
- 字段映射介绍：患者时间点序列与数据拆分映射的序列化文件，具体内容未提供预览
- 其他文件（Other files）
- 文件名称：nlst_annotations.json
- 文件格式：JSON
- 字段映射介绍：NLST（国家肺部筛查试验）数据集的标注文件，具体内容未提供预览
数据来源
论文“Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography”（GitHub仓库：http://github.com/reginabarzilaygroup/Sybil）
适用场景
- 肺癌风险预测模型研究：支持Sybil深度学习模型的复现、验证与优化，分析低剂量胸部CT影像的肺癌风险预测效果
- 医学影像AI模型开发：为基于胸部CT的癌症风险预测模型提供数据拆分、标注及模型文件参考
- 医疗数据挖掘：通过患者ID与数据拆分映射，探索NLST数据集在肺癌风险预测中的应用
- 深度学习模型校准研究：利用校准器文件，优化模型在不同数据分布下的预测性能
