摘要：脑血管病变数据集是一个基于 CT 图像的深度学习分类数据集，使用新型 SwinNeXt 架构。该研究收集了 2018-2022 年间土耳其马拉蒂亚图尔古特·厄扎尔大学医学院神经内科患者的回顾性 CT 图像数据集，排除了有运动伪影的 CT 图像。
数据集简介
数据集概述
脑血管病变数据集是一个基于 CT 图像的深度学习分类数据集，使用新型 SwinNeXt 架构。该研究收集了 2018-2022 年间土耳其马拉蒂亚图尔古特·厄扎尔大学医学院神经内科患者的回顾性 CT 图像数据集，排除了有运动伪影的 CT 图像。患者图像由放射科医生和神经科医生回顾性扫描和解读。研究包含 10 个类别，研究人群包括 405 名男性和 328 名女性，共 733 名个体，总计 10,865 张图像。
数据集包含 10 个脑血管病变类别：
(1) 急性缺血性梗死（Acute ischemic infarction）：83 例（45 男/38 女），平均年龄 70.78±15.37，1119 张图像；
(2) 硬膜外出血（Epidural hemorrhage）：69 例（48 男/21 女），平均年龄 55.94±17.56，1011 张图像；
(3) 慢性缺血性梗死（Chronic ischemic infarction）：74 例（41 男/33 女），平均年龄 62.25±12.32，1008 张图像；
(4) 硬膜下积液（Subdural effusion）：66 例（36 男/30 女），平均年龄 71.30±15.88，1080 张图像；
(5) 脑实质出血（Parenchymal hemorrhage）：96 例（54 男/42 女），平均年龄 65.25±19.64，1077 张图像；
(6) 蛛网膜下腔出血（Subarachnoid arachnoid hemorrhage）：77 例（32 男/45 女），平均年龄 52.12±18.47，1166 张图像；
(7) 硬膜下出血（Subdural hemorrhage）：80 例（42 男/38 女），平均年龄 48.44±17.54，1177 张图像；
(8) 脑室出血（Ventricular hemorrhage）：72 例（40 男/32 女），平均年龄 62.78±18.88，1020 张图像；
(9) 混合型脑血管疾病（Mixed cerebrovascular disease）：69 例（42 男/27 女），平均年龄 68.75±14.63，1191 张图像；
(10) 健康对照（Healthy Control）：47 例（25 男/22 女），平均年龄 38.24±16.24，1016 张图像。数据集总计 733 名患者（405 男/328 女），10,865 张 CT 图像。
支持脑血管病变分类（10 类）、CT 图像分析、深度学习模型训练（SwinNeXt、CNN、Transformer）、神经影像学研究、脑血管疾病检测、急性缺血性梗死识别、脑出血分类（硬膜外/硬膜下/蛛网膜下腔/脑室/脑实质）、混合型脑血管疾病诊断、计算机辅助诊断（CAD）系统、医学图像分类、临床决策支持、神经内科应用、放射科应用、医学教育与培训、算法基准测试。
数据集来源
Macin, G. 等（2025）创建，论文标题”Deep learning-based classification of cerebrovascular lesions on CT images using a novel SwinNeXt architecture”（基于深度学习的 CT 图像脑血管病变分类使用新型 SwinNeXt 架构）。数据集来自土耳其马拉蒂亚图尔古特·厄扎尔大学医学院神经内科 2018-2022 年回顾性 CT 图像，排除运动伪影，由放射科医生和神经科医生解读。包含 10 个类别（急性/慢性缺血性梗死、硬膜外/硬膜下/蛛网膜下腔/脑室/脑实质出血、硬膜下积液、混合型、健康对照），733 名患者（405 男/328 女），10,865 张 CT 图像，专为脑血管病变深度学习分类和 SwinNeXt 架构研究设计。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-141
文件大小：1.2G
原创声明：本数据集为整理作品
