基于医疗影像AI肝病辅助诊断训练数据集

一、 适用条件与范围
适配条件：支持 CT、MRI、超声的 DICOM 格式肝脏影像，兼容 CNN、U-Net 等深度学习架构，适配目标检测、语义分割等 AI 任务，输入影像需经标准化降噪、归一化预处理。
应用范围：覆盖常见及部分罕见肝病，适用于医疗机构、医疗 AI 企业、科研院所、医学教育机构的算法研发、临床辅助、科研验证及教学培训。
二、 服务对象
医疗 AI 企业、各级医疗机构（放射科、肝病科及基层医疗机构）、医学科研院所、医学教育机构。
三、 应用场景及解决问题
临床辅助诊断：训练 AI 模型接入医院 PACS 系统，辅助医师定位标注病灶，解决人工阅片效率低、诊断主观性强、早期病灶漏诊问题。
基层与远程诊疗：支撑轻量化初筛模型部署，弥补基层专家缺口，实现肝病风险分层与远程会诊，解决跨区域医疗资源不均问题。
科研与算法验证：提供标准化标注数据，助力多中心研究、算法创新及罕见病模型研发，解决科研数据标注不统一、罕见病例样本稀缺问题。
医学教育：转化为标准化教学案例，搭建阅片考核平台，解决临床教学案例不足、医师培养周期长的问题。一、加工前的数据说明：原始数据来源于杭州市第一人民医院放射科合规采集的肝脏医疗影像数据集，涵盖CT、超声及MRI三类模态，含DICOM标准影像数据及目录名称、检查部位等关联元数据（目录名称对应标注后DICOM影像存储路径）。因医疗影像敏感性，采用线下交付模式，需求方可凭目录名称字段信息申请获取。该数据集已通过杭州数据交易所完成数据产权及资产登记，采集经伦理审查批准，符合相关法规要求，且为后续数据处理算法模型构建提供了合法有效的原始数据基础，所有算法开发用数据均经前置合规核验。
二、处理规则：1. 数据清洗：剔除无效数据，统一多模态影像格式，为算法模型构建提供规整数据输入；2. 标准化预处理：针对性构建算法模型，集成降噪、灰度归一化等核心模块，针对PDFF-MRI专项研发水脂分离验证及PDFF值校准算法，同步完成脂肪肝相关数据适配处理；3. 匿名化去标识化：采用不可逆加密算法脱敏身份信息，剔除可识别元数据，结合聚合与特征脱敏技术，确保无法通过任何可逆模型或算法还原原始数据；4. 标注优化：搭建U-Net架构半自动化标注辅助模型，实现脂肪肝区域分割与ROI预定位，辅助医师完成精准标注后，通过交叉核验算法校验标注一致性，保障算法训练数据质量。

三、数据内容描述：数据集含三类标准化成果：多模态影像文件集（可直接适配算法输入）、精细化标注数据集（含病灶参数、脂肪肝专项标注）、影像-临床诊断关联数据集（建立影像特征与诊断结论映射）。数据处理全程的算法模型构建均围绕数据适配性展开，所构建的预处理、标注辅助等算法模型，可兼容CNN、Transformer等主流深度学习架构，配套数据增强算法实现训练样本扩充。最终数据集结构规范、标注精准，可直接支撑肝病AI辅助诊断模型训练验证，全流程匿名化处理无信息泄露风险，且相关算法构建未改变原始数据核心临床特征。

搜集汇总

背景与挑战

背景概述

该数据集由杭州市第一人民医院提供，包含3604条肝脏MRI影像及诊断记录，专为肝病AI辅助诊断模型训练设计。数据经过清洗、去标识化、标注优化等标准化处理，可兼容多种深度学习架构，应用于临床辅助诊断、基层远程诊疗、科研验证及医学教育，旨在提升肝病诊断效率和准确性。