本数据集包含肝脏MRI影像样本：良性肿瘤（Benign）和恶性肿瘤（Malignant）。通过深度学习训练，模型能够自动提取肿瘤的关键特征，区分肝脏肿瘤类型并输出分类标签与置信度评分，为临床提供辅助诊断依据。该数据集旨在推动肝脏肿瘤的智能诊断与早期筛查，助力肝脏医学影像分析的智能化。
数据集信息
编号：Dataset-18
大小：30M
整理：Bob
法律声明
由于数据集具有可复制性，根据《中华人民共和国消费者权益保护法》相关规定，一旦完成购买和下载，本产品不支持退货或退款。请在购买前确认软件符合您的需求。如果对产品有任何疑问，请在购买前及时咨询客服（QQ 8872401）。
订单付款后，不支持取消和退款。购买数字资源前请谨慎，确保已详细了解产品内容。
如果对数据集使用有不清楚的地方，请及时联系我们的技术支持团队，我们将提供相应的技术支持，确保顺利使用。
数据集概览
数据图像：
图1 样本图像
数据类型：
表1 数据类型与格式
数据规模：
（1）数据集划分饼图
图2 数据集划分饼图
数据集类别
表3 类别定义
数据集来源
表4 数据集来源与说明
数据集用途
本数据集用于肝脏肿瘤MRI图像的分类模型训练与验证，包含两类样本：良性肿瘤（Benign）和恶性肿瘤（Malignant）。可应用于以下研究与开发方向：
（1）模型训练：支持基于深度学习的图像分类模型（如ResNet50、VGG16、Swin Transformer）进行肝脏肿瘤MRI影像特征学习。
（2）性能评估：用于测试模型在良性与恶性肿瘤分类任务中的准确率、召回率、F1值等指标。
（3）特征分析：研究良性与恶性肿瘤在结构、纹理与信号强度等方面的差异。
（4）系统开发：为肝脏肿瘤智能诊断系统、医学影像辅助诊断平台及筛查系统提供数据支持。
数据集须知
（1）数据来源：基于公开的肝脏肿瘤MRI影像数据集（如Kaggle等），仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为两类样本（良性肿瘤、恶性肿瘤）。
（3）文件格式：图像文件为.jpg格式（按类别文件夹组织），文件命名与类别标签严格对应。
（4）使用要求：需遵守医学影像数据隐私与伦理保护相关规定，引用时须注明数据来源。
（5）适用范围：适用于肝脏肿瘤MRI影像的识别、分类、特征提取及智能诊断系统研究。
数据集性能
训练与验证准确率和损失曲线：
图3 训练与验证准确率和损失曲线线
该图展示了Swin Transformer模型在肝脏肿瘤分类任务中的整体性能。模型的总体准确率（Accuracy）为0.93，表明分类效果较好。良性肿瘤的精确率为0.97、召回率为0.88、F1值为0.92；恶性肿瘤的精确率为0.90、召回率为0.98、F1值为0.94。结果说明模型在区分良性与恶性肿瘤时表现均衡，其中对恶性肿瘤的识别更为敏感，能有效避免漏诊。
混淆矩阵热力图：
图4 混淆矩阵热力图
混淆矩阵展示了模型在良性与恶性肿瘤分类上的预测分布。良性肿瘤的正确分类率为0.88，有约12%的样本被误判为恶性；而恶性肿瘤的正确识别率高达0.98，仅有2%的样本被误分为良性。整体来看，模型在恶性肿瘤检测上的鲁棒性更强，误诊率较低，能较好地区分不同类型的肿瘤影像。
各类的分类性能评估：准确率、精确率、召回率与F1分数图
图5 各类的分类性能评估：准确率、精确率、召回率与F1分数图
该图反映了Swin Transformer模型在训练阶段的性能变化趋势。随着训练轮次的增加，训练与验证准确率均稳步提升并趋于收敛，损失函数持续下降，说明模型学习过程稳定、收敛良好。同时，训练集与验证集的表现接近，未出现明显过拟合现象，表明模型具有良好的泛化能力和稳定性。
联系我们
官方声明
（1）实验环境真实性与合规性声明：
本研究所使用的硬件与软件环境均为真实可复现的配置，未采用虚构实验平台或虚拟模拟环境。实验平台为作者自主购买的惠普（HP）暗影精灵 10 台式整机，具体硬件参数详见表。软件环境涵盖操作系统、开发工具、深度学习框架等，具体配置详见表，所有软件组件均来源于官方渠道或开源社区，并按照其许可协议合法安装与使用。
研究过程中严格遵循学术诚信和实验可复现性要求，确保所有实验数据、训练过程与结果均可在相同环境下被重复验证，符合科研规范与工程实践标准。
（2）版权声明：
本算法改进中涉及的文字、图片、表格、程序代码及实验数据，除特别注明外，均由2zcode.Bob独立完成。未经2zcode官方书面许可，任何单位或个人不得擅自复制、传播、修改、转发或用于商业用途。如需引用本研究内容，请遵循学术规范，注明出处，并不得歪曲或误用相关结论。
本研究所使用的第三方开源工具、框架及数据资源均已在文中明确标注，并严格遵守其相应的开源许可协议。使用过程中无违反知识产权相关法规，且全部用于非商业性学术研究用途。
评论(0)