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 Data（Abdalla, 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”，V2，DOI: 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）。

数据结构与增强技术分类

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（14-33）：CT 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 LUT（Inferno）、随机对比度 LUT（Viridis）、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 ResearchGate（Medical Imaging Colorized，DOI: 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，2025，DOI: 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

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。