企业官网建设流程全解析

肺结节CT检测与肺癌分类数据集

数据集概述

肺结节CT检测与肺癌分类数据集，面向肺部疾病智能辅助诊断任务，数据来源于肺部计算机断层扫描（CT），由专业医生完成标注，覆盖 2D/3D 肺结节检测与肺癌类型分类两类任务，提供 VOC（2D）、MHD（3D）及 DICOM 原始数据，适用于医学影像 AI 论文研究、肺癌早筛辅助诊断系统开发、3D 医学影像深度学习等场景，可直接用于 2D/3D 检测与分类模型训练。

数据集包含 95 组患者 CT 序列用于结节检测、308 组图像用于肺癌分类，DICOM 原始数据已脱敏，开箱即用。

核心参数

标注类别说明

任务一：2D/3D 肺结节检测

任务二：肺癌类型分类（3 分类）

格式支持

支持 VOC（2D）、MHD（3D）及 DICOM 原始数据格式数据集

适用场景

• 医学影像 AI 论文（2D/3D 肺结节检测方向）
• 肺癌早筛辅助诊断系统开发
• 医学图像分类 / 检测竞赛
• 3D 医学影像深度学习（3D CNN / 3D UNet）

使用建议

• 类别不均衡：鳞癌样本仅 33 例，训练时需采用类别加权损失或过采样以缓解类别不平衡；
• 3D 数据预处理：MHD 格式需配合元数据解析体素间距，注意图像坐标与世界坐标的换算；
• DICOM 转换：如需自定义格式，可利用提供的 DICOM 原始数据进行窗宽窗位调整与重采样；
• 小目标检测：肺结节体积小，建议结合多尺度特征融合或 3D 检测头提升召回率。

训练配置示例

数据集配置（YAML）—— 2D 肺结节检测（VOC 转 YOLO）

yaml path: ./肺结节检测数据集 train: images/train val: images/val test: images/test names:0: 肺结节

训练代码 —— 2D 肺结节检测

python from ultralyticsimportYOLO model=YOLO("yolo11s.yaml")model.train(data="肺结节检测数据集.yaml",epochs=200,imgsz=640,batch=16,device=0)

训练代码 —— 肺癌分类（3 分类）

python from ultralyticsimportYOLO model=YOLO("yolo11s-cls.yaml")model.train(data="肺癌分类数据集",epochs=200,imgsz=224,batch=32,device=0)

训练代码 —— 3D 肺结节检测（3D CNN / 3D UNet）

python 3D 检测需结合具体框架（如 MONAI / nnDetection） 示例为 MONAI 加载 MHD 体数据importmonai from monai.transformsimportLoadImaged, EnsureChannelFirstd transforms=monai.transforms.Compose([LoadImaged(keys=["image","label"]), EnsureChannelFirstd(keys=["image","label"]),])

话题关键词

#肺结节 #CT #肺癌分类 #2D检测 #3D检测 #DICOM #MHD #VOC #医学AI #肺癌早筛 #3D CNN #3D UNet #深度学习 #yolo数据集