从69位患者的475个系列中提取出的医疗CT切片影像，以及相对应的患者年龄、形态和比对标签信息。

毕业设计资料基于深度学习CT影像组学的活体猪肌内脂评估系统的设计与实现源码

毛玻璃(GGO)型肺结节目前研究的比较少，但其恶性可能性也比较大。针对GGO型结节的对比度较血管和实体型结节的对比度低，直接使用阈值法不能很好地提取GGO型肺结节，直接使用多尺度圆点滤波器不能提取非球形形状的GGO型肺结节的问题，提出了一种基于形状特征和滤波器增强的阈值法相结合的方法来提取GGO型结节。首先使用形状指数方法提取具有全部或部分球形结构的GGO型结节，然后对剔除了血管、球形结构结节的图像应用滤波增强法来拉伸毛玻璃结节和肺实质的对比度，利用阈值方法提取不具有球形结构的毛玻璃结节。为了提高检测的准确率，对肺结节的特征进行提取与分类，并选择最佳特征组合，放入支持向量机分类器提取更精确的肺结节，并对算法进行评估和对比。实验结果表明，该方法能有效降低GGO型肺结节的漏检率，提高检测的敏感性、特异性，优于现有的两种方法。

医疗CT影像、年龄和对比标注数据医疗CT影像、年龄和对比标注数据医疗CT影像、年龄和对比标注数据医疗CT影像、年龄和对比标注数据

TCGA-KICH 癌症CT影像数据，旨在对各种类型的癌症诊治过程进行全程数字化的跟踪，以数字档案的形式记录检查结果、处方和疗效。

RIDER Breast 是乳腺癌 MRI 影像数据，旨在对各种类型的癌症诊治过程进行全程数字化的跟踪，以数字档案的形式记录检查结果、处方和疗效。

本数据集是一个癌症CT图像数据，包括69位不同的患者的475个病例的中等规模的CT影像和患者年龄。该数据是 TCGA-LUAD 肺癌CT影像数据库的一部分。

从一系列 CT 影像中对肺部影像进行分割，并识别估计肺部容积量。

本数据集是一个癌症CT图像数据，包括69位不同的患者的475个病例的中等规模的CT影像和患者年龄。该数据是 TCGA-LUAD 肺癌CT影像数据库的一部分。

提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法。首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-ResNet模型,提取网络学习的CNN特征,组合两类特征,并利用随机森林(RF)模型进行特征选择;最后,采用支持向量机(SVM)、RF等传统分类器对肺结节进行良恶性鉴别诊断。使用LIDC-IDRI数据库中的1036个肺结节进行实验验证,最终所提方法的分类准确率、敏感度、特异度及接受者操作特性曲线(ROC)下面积(AUC)分别达94.98%、90.02%、97.03%及97.43%。实验结果表明,所提方法能准确地判别肺结节的良恶性,并优于大部分主流方法。