和骨肿瘤预测相关的数据集

和骨肿瘤预测相关的数据集

数据说明：

该数据集可以用来开发一种能够利用磁共振鉴别良恶性骨病变的深度学习算法。

1.成像数据模型

应通过调整 EfficientNet 或任何其他模型深度学习架构来开发图像分类模型。需要使用具有单个节点和sigmoid激活的最终分类层来执行二元分类任务。

2.临床数据模型

一个使用临床变量的逻辑回归模型被单独开发用于分类任务。输入是患者的年龄、性别和病变位置。21个位置(锁骨、颅骨、股骨近端、股骨远端、脚、桡骨近端、桡骨远端、尺骨近端、尺骨远端、手、髋、肱骨近端、肱骨远端、股骨近端和股骨远端、胫骨近端和胫骨远端、腓骨近端和腓骨远端、下颌骨、肋骨/胸壁、肩胛骨或脊柱)被编码为一热编码，因此该模型

接收了23个不同的量化输入变量。

3.组合模型

需要使用堆叠集成方法将成像和临床特征模型结合起来，其中投票集成将来自成像和临床特征模型的恶性概率作为输入，并根据预测概率的求和创建输出。每个集成分类模型由在T1W成像研究上训练的模型的输出。在 T2W 成像研究上进行训练的模型和基于临床特征的逻辑回归模型组成。