肺结节检测数据集 | 1200张YOLO医学影像数据集

肺结节检测 数据集 | 1200张YOLO医学影像数据集

适用于肺癌早期筛查、影像辅助阅片与 目标检测 研究

一、数据集概述

本数据集基于LUNA16（LUng Nodule Analysis 2016）权威公开数据集整理为 YOLO 目标检测格式，共包含约1200张高质量标注图像，专为肺部CT影像中的肺结节检测 模型训练 、验证与测试设计。肺癌是全球发病率与死亡率最高的恶性肿瘤之一，而肺结节往往是肺癌最早期的影像学表现。低剂量螺旋CT筛查可显著降低肺癌死亡率，但一次胸部CT通常包含数百张切片，医师需逐层查找直径仅数毫米的微小结节，工作强度极大且存在漏诊风险。LUNA16源自LIDC-IDRI影像库并经多位放射科医师标注共识，用于训练自动定位肺结节的检测模型，辅助医师提升阅片效率与检出率。该数据集可广泛应用于肺癌早期筛查、影像科辅助阅片、体检中心智能分析、医学科研等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。

随着医学影像技术与 人工智能 的深度融合，利用计算机视觉技术实现肺结节的自动检测已成为提升肺癌早期筛查效率、降低漏诊率的重要手段。本数据集针对CT影像中结节尺寸小、密度类型多样、假阳性干扰多等问题进行专项构建，可为智能影像辅助诊断系统提供高质量数据支撑。

数据集下载

通过网盘分享的文件：肺结节检测-1类

链接: https://pan.baidu.com/s/1UrgtbcTRwS1O4npwm5qyTA?pwd=xn4g

提取码: xn4g

二、数据集基本信息

三、数据集 类 别说明

本数据集为单类别目标检测数据集，聚焦于肺部CT影像中肺结节病灶的精准检测与定位，类别简洁明确，专注病灶定位任务。

类别配置

nc: 1

names:
  - lung_nodule

类别详情

单类别设计使模型能够专注于肺结节病灶的定位任务，作为肺癌早期筛查与辅助诊断的核心环节，特别适用于影像科辅助阅片、体检机构智能分析与计算机辅助诊断系统等专项应用场景。

四、数据集结构说明

数据集采用标准YOLO 目录结构 组织，已按训练集、验证集、测试集进行科学划分，结构清晰，便于直接接入主流检测框架。

肺结节检测-1类/
├── train
│   ├── images
│   └── labels
├── valid
│   ├── images
│   └── labels
├── test
│   ├── images
│   └── labels
└── data.yaml

各数据集作用如下：

• train/images & labels：训练集图像与标签，用于模型参数学习与特征提取；
• valid/images & labels：验证集图像与标签，用于超参数调优、早停监控及防止过拟合；
• test/images & labels：测试集图像与标签，用于最终模型性能评估与泛化能力测试。

标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套data.yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。

五、数据集核心优势

1. 基于LUNA16权威数据源

本数据集源自LUNA16（LUng Nodule Analysis 2016）——肺结节检测领域最具影响力的权威公开数据集之一：

• 权威来源：源自LIDC-IDRI大型公开影像库
• 专家共识：经多位放射科医师标注共识
• 学术认可：肺结节检测算法研究的基准数据集
• 工程可信：数据质量与标注可靠性有保障

为肺结节检测 算法 研究与模型训练提供权威的数据基础。

2. 贴近真实临床阅片环境

数据来源于真实临床CT影像，具有以下特点：

• 标准CT窗位：影像为标准CT窗位显示
• 多肺野覆盖：覆盖上叶、中叶、下叶、胸膜下等不同位置
• 多结节类型：不同大小与密度类型的结节
• 真实患者数据：来源于真实患者CT扫描

有效保障模型在实际临床辅助筛查中的泛化能力。

3. 小目标检测挑战

肺结节检测具有极高的小目标检测难度：

• 结节微小：大量结节直径仅数毫米
• 密度多样：实性结节、磨玻璃结节、部分实性结节
• 对比度低：小结节与周围肺组织对比度有限
• 假阳性多：血管断面、胸膜增厚等结构易被误判为结节

对模型的小目标检测与假阳性抑制能力具有较高的训练价值。

4. 专家共识标注

结节位置基于放射科专家共识标注转换而来：

• 定位准确
• 边界框贴合结节区域
• 小目标标注完整
• 标注标准符合医学影像判读规范

有效保证模型训练质量。

5. 即用型数据组织

标准目录结构+单类别简化配置，无需复杂预处理，可直接用于模型训练，降低使用门槛。

6. 临床转化潜力

本数据集旨在推动肺结节AI辅助诊断系统的发展，助力：

• 提升影像科医师阅片效率

• 辅助肺癌早期筛查

• 减少因疲劳导致的漏诊

• 支持体检机构规模化筛查

  

六、适用场景

肺癌早期筛查中的肺结节自动检出

为肺癌早期筛查系统提供肺结节的自动检测能力，辅助医师快速定位可疑病灶，提升筛查效率。

影像科CT辅助阅片与工作量减负

作为影像科阅片辅助工具，自动标注可疑结节区域，支持医师二次复核，降低工作负荷与漏诊风险。

体检机构胸部CT智能分析系统

在体检机构中实现胸部CT的自动化分析，快速检出肺结节，支持大规模体检筛查。

计算机辅助诊断（ CAD ）系统研发

作为CAD系统的核心检测模块，支撑肺结节智能诊断系统的算法开发与部署。

临床科研数据分析

在肺癌临床研究中辅助快速定位与测量结节，支撑定量分析与疗效评估。

教学科研

用于医学小目标检测算法研究、模型验证与调优等科研场景。

说明：本数据集仅供算法研究与教学使用，不可直接用于临床诊断。

七、适用研究方向

本数据集可广泛应用于以下研究领域：

• 医学影像目标检测研究
• 肺结节检测研究
• 小目标检测研究（微小结节）
• 单类别目标检测研究
• 肺癌早期筛查AI研究
• 计算机辅助诊断与医学AI研究
• YOLO系列模型优化研究
• 轻量化检测模型与边缘部署研究

八、总结

肺结节检测数据集包含约1200张高质量标注图像，采用标准YOLO格式构建，专注于肺部CT影像中肺结节的检测与定位任务。数据集以单类别肺结节为核心检测目标，基于LUNA16权威公开数据集，覆盖不同患者、不同肺野位置、不同结节大小与密度类型，具有专家共识标注、小目标检测挑战、临床实用价值高等特点，可广泛应用于肺癌早期筛查、影像辅助阅片、体检智能分析、计算机辅助诊断等领域，是开展医学影像目标检测算法研发与智能辅助诊断系统建设的优质数据资源。