TG3K
TG3K数据集来源于16段超声视频。该数据集最初设计用于从视频中精确分割甲状腺区域。数据提取过程首先从视频中抽取帧图像，为确保数据质量，设定了一个筛选规则：仅保留甲状腺区域占整幅图像面积0.06以上的图像。最终，TG3K数据集由这类高质量图像组成，共包含3583张超声图像。该数据集的独特价值在于其用于甲状腺结节分割这一重要且具有挑战性的任务。准确分割甲状腺结节对于甲状腺癌的早期诊断和治疗至关重要。通过对该数据集的深入研究，可以更好地理解和解决甲状腺结节分割中的挑战，为提高甲状腺癌的诊断准确率和治疗效果做出重要贡献。
toujingbu可视化图片
可视化图片 1
数据集元信息
| 维度 | 2D |
| 模态 | ultrasound |
| 任务类型 | segmentation |
| 解剖结构 | 甲状腺结节(Thyroid Nodule) |
| 解剖区域 | 头颈部(Head and Neck) |
| 类别数 | 1 |
| 数据量 | 3585 |
| 文件格式 | JPG |
文件结构
tg3k/
├── tg3k-trainval.json
├── thyroid-image
│ ├── 0000.jpg
│ ├── 0001.jpg
│ ├── 0002.jpg
│ ├── 0003.jpg
│ └── ...
└── thyroid-mask
├── 0000.jpg
├── 0001.jpg
├── 0002.jpg
├── 0003.jpg
└── ...图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | - |
(234, 178) |
| 中位值 | - |
(258, 194) |
| 最大值 | - |
(325, 193) |
引用
@article{gong2023thyroid,
title={Thyroid region prior guided attention for ultrasound segmentation of thyroid nodules},
author={Gong, Haifan and Chen, Jiaxin and Chen, Guanqi and Li, Haofeng and Li, Guanbin and Chen, Fei},
journal={Computers in Biology and Medicine},
volume={155},
pages={106389},
year={2023},
publisher={Elsevier}
}