摘要肾结石轴位CT成像彩色混合数据集Kidney Stone Axial CT Imaging Colorized Mixed Data是一个经过着色和图像增强处理的医学影像数据集专门用于AI驱动的肾结石检测和深度学习研究。数据集简介数据集概述肾结石轴位CT成像彩色混合数据集Kidney Stone Axial CT Imaging Colorized Mixed Data是一个经过着色和图像增强处理的医学影像数据集专门用于AI驱动的肾结石检测和深度学习研究。数据集基于原始数据源自 Mendeley DataAbdalla, Peshraw Ahmed 等人2025”用于人工智能驱动的肾结石检测的轴向CT成像数据集深度学习研究资源”V2DOI: 10.17632/fwhytt5mzd.2由研究者 Shuvo Kumar Basak进行着色和增强处理。该工作专注于对医学影像数据进行着色以增强可视化效果和可解读性将标准灰度 CT 图像转换为视觉效果丰富的图像突出解剖结构、细微组织差异和潜在异常。数据集应用了 53 种图像处理和颜色增强技术包括基本颜色映射、自适应直方图均衡化、对比度拉伸、窗位技术CT软组织/骨骼/肺/脑窗、MRI 特定对比增强T1/T2/FLAIR、噪声模拟瑞利/泊松/高斯/散斑噪声、边缘检测、热图可视化、数据增强技术亮度/对比度/色温抖动、HSV 抖动、通道打乱等以及医学影像特定增强血管增强 Frangi 滤波、病灶高亮、Gibbs 振铃模拟等。数据结构与采集特征数据集采用 53 种图像增强技术按功能分为三大类(1) 原始可视化方法1-13基本颜色映射Jet 颜色方案、自适应直方图均衡化CLAHE 增强局部对比度用于放射学预处理、对比度拉伸扩展强度范围、高斯模糊降噪平滑、边缘检测Canny 算法、随机调色板随机颜色叠加、伽马校正非线性强度调整、LUT 颜色映射Plasma 查找表、Alpha 混合结合阈值掩码突出区域、热图可视化异常区域热图、交互式分割基于强度阈值突出分割区域、3D 渲染和体积渲染占位符。(2) CT/MRI 特定窗位、噪声和增强技术14-33CT 窗位软组织窗用于腹部、骨窗用于骨骼、肺窗用于肺组织、脑窗用于头部CT、MRI 对比增强T1 加权、T2 加权、FLAIR 病灶高亮、CT 窗位扫描随机窗扫描、直方图匹配 MRI强度归一化、Z-score 归一化均值/标准差归一化、噪声模拟瑞利/泊松/高斯/散斑噪声、运动模糊模拟患者运动、Gibbs 振铃模拟振铃伪影、拉普拉斯锐化边缘增强、血管增强Frangi 滤波器、CT 窗位热图、病灶高亮基于阈值。(3) 通用图像增强技术34-53亮度/对比度抖动、色温调整、HSV 抖动色调/饱和度/明度、通道打乱、随机反转、PCA 颜色增强、Sobel 叠加边缘增强、颜色着色随机 RGB、Mixup 噪声、Solarize选择性反转高强度、Posterize降低颜色深度、色调偏移、颜色扩散、梯度映射、边缘颜色混合、热成像 LUTInferno、随机对比度 LUTViridis、局部颜色归一化、随机椒盐像素。应用价值与研究方向该数据集为肾结石检测、医学影像 AI 和深度学习研究提供全面数据支撑支持多个核心应用方向。肾结石自动检测训练深度学习模型从轴位 CT 图像中自动识别肾结石位置、大小和类型。医学影像可视化增强通过着色和增强技术改善医学图像的可视化效果帮助研究人员和临床医生探索复杂数据集、加深对图像特征的理解。AI/深度学习模型训练彩色增强图像提供更丰富的视觉信息促进 AI 模型的训练和评估提高模型对细微组织差异和异常的识别能力。数据多样性提升53 种增强技术显著提高数据多样性这对于开发鲁棒的 AI 模型至关重要防止过拟合并提高泛化能力。教学应用彩色图像有助于医学教育帮助学生和学员更好地掌握解剖和病理特征理解肾结石的影像学表现。临床信息保留在应用多种图像处理和色彩增强技术的同时保留原始临床信息确保增强后的图像仍具有诊断价值。人机协同解读该方法弥合原始医学图像与其在研究、诊断和可视化中的实际应用之间的差距展示先进的图像增强和着色技术如何增强人类和机器对医学影像数据的解读。该工作已发表于 ResearchGateMedical Imaging ColorizedDOI: 10.13140/RG.2.2.14152.39682为肾结石诊断、泌尿系统疾病研究和医学影像 AI 提供了重要的数据资源。数据集来源该数据集基于 Mendeley Data 原始数据Abdalla 等人2025DOI: 10.17632/fwhytt5mzd.2由 Shuvo Kumar Basak 进行 53 种图像增强技术处理并发布增强工作发表于 ResearchGate使用时需同时引用增强工作和原始数据源。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-82文件大小139M原创声明本数据集为整理作品 
长河君 · 2026/8/5 11:34:09 · 阅读 1.2k 肾结石轴位CT成像彩色混合数据集
摘要肾结石轴位CT成像彩色混合数据集Kidney Stone Axial CT Imaging Colorized Mixed Data是一个经过着色和图像增强处理的医学影像数据集专门用于AI驱动的肾结石检测和深度学习研究。数据集简介数据集概述肾结石轴位CT成像彩色混合数据集Kidney Stone Axial CT Imaging Colorized Mixed Data是一个经过着色和图像增强处理的医学影像数据集专门用于AI驱动的肾结石检测和深度学习研究。数据集基于原始数据源自 Mendeley DataAbdalla, Peshraw Ahmed 等人2025”用于人工智能驱动的肾结石检测的轴向CT成像数据集深度学习研究资源”V2DOI: 10.17632/fwhytt5mzd.2由研究者 Shuvo Kumar Basak进行着色和增强处理。该工作专注于对医学影像数据进行着色以增强可视化效果和可解读性将标准灰度 CT 图像转换为视觉效果丰富的图像突出解剖结构、细微组织差异和潜在异常。数据集应用了 53 种图像处理和颜色增强技术包括基本颜色映射、自适应直方图均衡化、对比度拉伸、窗位技术CT软组织/骨骼/肺/脑窗、MRI 特定对比增强T1/T2/FLAIR、噪声模拟瑞利/泊松/高斯/散斑噪声、边缘检测、热图可视化、数据增强技术亮度/对比度/色温抖动、HSV 抖动、通道打乱等以及医学影像特定增强血管增强 Frangi 滤波、病灶高亮、Gibbs 振铃模拟等。数据结构与采集特征数据集采用 53 种图像增强技术按功能分为三大类(1) 原始可视化方法1-13基本颜色映射Jet 颜色方案、自适应直方图均衡化CLAHE 增强局部对比度用于放射学预处理、对比度拉伸扩展强度范围、高斯模糊降噪平滑、边缘检测Canny 算法、随机调色板随机颜色叠加、伽马校正非线性强度调整、LUT 颜色映射Plasma 查找表、Alpha 混合结合阈值掩码突出区域、热图可视化异常区域热图、交互式分割基于强度阈值突出分割区域、3D 渲染和体积渲染占位符。(2) CT/MRI 特定窗位、噪声和增强技术14-33CT 窗位软组织窗用于腹部、骨窗用于骨骼、肺窗用于肺组织、脑窗用于头部CT、MRI 对比增强T1 加权、T2 加权、FLAIR 病灶高亮、CT 窗位扫描随机窗扫描、直方图匹配 MRI强度归一化、Z-score 归一化均值/标准差归一化、噪声模拟瑞利/泊松/高斯/散斑噪声、运动模糊模拟患者运动、Gibbs 振铃模拟振铃伪影、拉普拉斯锐化边缘增强、血管增强Frangi 滤波器、CT 窗位热图、病灶高亮基于阈值。(3) 通用图像增强技术34-53亮度/对比度抖动、色温调整、HSV 抖动色调/饱和度/明度、通道打乱、随机反转、PCA 颜色增强、Sobel 叠加边缘增强、颜色着色随机 RGB、Mixup 噪声、Solarize选择性反转高强度、Posterize降低颜色深度、色调偏移、颜色扩散、梯度映射、边缘颜色混合、热成像 LUTInferno、随机对比度 LUTViridis、局部颜色归一化、随机椒盐像素。应用价值与研究方向该数据集为肾结石检测、医学影像 AI 和深度学习研究提供全面数据支撑支持多个核心应用方向。肾结石自动检测训练深度学习模型从轴位 CT 图像中自动识别肾结石位置、大小和类型。医学影像可视化增强通过着色和增强技术改善医学图像的可视化效果帮助研究人员和临床医生探索复杂数据集、加深对图像特征的理解。AI/深度学习模型训练彩色增强图像提供更丰富的视觉信息促进 AI 模型的训练和评估提高模型对细微组织差异和异常的识别能力。数据多样性提升53 种增强技术显著提高数据多样性这对于开发鲁棒的 AI 模型至关重要防止过拟合并提高泛化能力。教学应用彩色图像有助于医学教育帮助学生和学员更好地掌握解剖和病理特征理解肾结石的影像学表现。临床信息保留在应用多种图像处理和色彩增强技术的同时保留原始临床信息确保增强后的图像仍具有诊断价值。人机协同解读该方法弥合原始医学图像与其在研究、诊断和可视化中的实际应用之间的差距展示先进的图像增强和着色技术如何增强人类和机器对医学影像数据的解读。该工作已发表于 ResearchGateMedical Imaging ColorizedDOI: 10.13140/RG.2.2.14152.39682为肾结石诊断、泌尿系统疾病研究和医学影像 AI 提供了重要的数据资源。数据集来源该数据集基于 Mendeley Data 原始数据Abdalla 等人2025DOI: 10.17632/fwhytt5mzd.2由 Shuvo Kumar Basak 进行 53 种图像增强技术处理并发布增强工作发表于 ResearchGate使用时需同时引用增强工作和原始数据源。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-82文件大小139M原创声明本数据集为整理作品