© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
重庆复迪脉数字科技有限公司
企业重庆复迪脉数字科技有限公司，成立于2023年，位于重庆市，所属行业为软件和信息技术服务业，经营范围涵盖第三类医疗器械经营、第三类医疗器械租赁、消毒器械销售、食品销售、药品批发。 软件开发、第一类医疗器械销售、第二类医疗器械销售、医护人员防护用品批发、工程和技术研究和试验发展、技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广等。
小微企业软件和信息技术服务业
数据集列表
FDIM仿真智能培训平台
FDIM仿真智能培训平台通过VR眼镜和红外笔提供沉浸式3D操作体验，使用户能够直观操控和旋转模型，实现互动性强、逼真的医学教学与培训，帮助医学生熟悉患者个性化解剖结构。平台核心技术包括数据三维重建和三维成像，主要采用偏振式3D显示技术。该技术通过偏振滤镜向左右眼分别呈现不同图像，使大脑感知三维深度，具有减少串扰、提升亮度和兼容性强的优点。构建流程中，工程师首先上传脱敏的dicom格式二维数据，生成.STL格式三维模型；然后将dicom图像与三维模型导入AI辅助医学影像标注软件进行手动重建，并通过AI技术精细化几何解剖结构。最终，利用裸眼3D设备渲染模型。
西部数据交易中心2024-12-05 更新500
FDIM多模态人体器官数据库
该数据库是多模态人体器官数据库，通过收集和整合多种类型的人体器官数据（包括CT、Mask、三维模型等影像数据）。该数据库提供数据集管理和应用功能，用户可以轻松访问、查询和利用丰富的器官数据资源，为临床培训和研究提供有力支持。并通过DICOM数据自带的标签（tag）以及用户个性化标签，实现高效数据查询，快速定位所需器官数据。数据库的内容主要有唯一标识符、影像或设备类型、特定研究相关的序列数、特定研究相关的影像或实例数量、定义了使用的字符集。
西部数据交易中心2024-12-05 更新1190
胸部CT器官标注数据
通过对DICOM格式的原始胸部CT影像数据进行标注，标注出影像中的以下器官组织：气管、结节、右动脉、右静脉、左动脉、左静脉。以及18个肺段：右肺尖段、右肺后段、右肺前段、右肺外段、右肺内段、右肺背段、右肺内基底段、右肺前基底段、右肺外基底段、右肺后基底段、左肺尖后段、左肺前段、左肺上舌段、左肺下舌段、左肺背段、左肺内前基底段、左肺外基底段、左肺后基底段。提供给影像自动分割人工智能模型进行训练，帮助人工智能模型更好地识别胸部CT影像中的各器官组织和病灶，提取特征，发现规律，最终提高诊断人工智能模型的准确性、鲁棒性和泛化能力。1.数据采集：通过正式合作协议，从医疗机构取得匿名化的胸部CT数据。2.数据处理：依据人体解剖学、医学影像诊断学相关知识，结合CT影像学特征，按照1人标注、2人审查、1位临床专家确认的流程，对数据进行标注，标注出以下所有部位：气管、结节、右动脉、右静脉、左动脉、左静脉、右肺尖段、右肺后段、右肺前段、右肺外段、右肺内段、右肺背段、右肺内基底段、右肺前基底段、右肺外基底段、右肺后基底段、左肺尖后段、左肺前段、左肺上舌段、左肺下舌段、左肺背段、左肺内前基底段、左肺外基底段、左肺后基底段。3.算法处理：基于标注结果，根据肺段标注与结节标注的重合范围，按照最大重叠范围原则，判断出结节所处肺段位置。4.数据应用：用于胸部CT影像自动分割人工智能模型的训练。
浙江省数据知识产权登记平台2024-05-07 更新2510
混合现实智能手术训练系统
混合现实智能手术训练系统通过Hololens 2设备，将虚拟3D模型与现实环境结合，提供细致逼真的手术场景和沉浸式互动体验，显著提升医务人员的训练效果和手术技能。该系统基于数据三维重建与混合现实（MR）技术，使用户在现实与虚拟间自然交互，可通过拖动、旋转等多种方式高精度操作模型。构建流程包括：工程师上传脱敏后的dicom二维数据至自动重建服务生成.STL格式三维模型，将其与dicom图像导入AI辅助医学影像标注软件手动重建，并通过AI技术精细化几何解剖结构。重建后的模型通过Hololens 2的MR技术与优化算法进行渲染与交互。
西部数据交易中心2024-12-05 更新180
结直肠T分期数据
对DICOM格式的原始腹部CT影像数据进行病灶标注，标出病灶的TMN分期，标注规则如下：
1.肿瘤侵犯程度：TNM分期标注数据中的T部分描述了肿瘤在结直肠道壁的侵犯程度，从Tx（原发肿瘤不能确定），T（无肿瘤）到T4（肿瘤侵犯到浆膜外），这些信息对于算法训练至关重要，可以帮助算法更好地识别和分类肿瘤。
2.淋巴结转移情况：结直肠TNM分期中N部分描述了淋巴结转移的情况，从N0（无淋巴结转移）到N3（大于等于7个淋巴结转移），这些信息有助于算法更准确地预测患者的预后情况和治疗方案的效果。
3.远处转移情况：结直肠TNM分期中M部分描述了是否存在远处转移，如果有，则M为1，无则为0。这些信息有助于算法更好地评估患者的病情。
以上标注数据，将用于结直肠TNM分期人工智能算法训练，有助于提高算法的准确性和可靠性，为临床医生提供更加精准和可靠的辅助诊断和治疗建议。1.数据采集：通过医疗机构获取结直肠CT数据。这些数据包括不同阶段的胃肠肿瘤，以及正常组织和其他疾病的情况。
2.数据处理：医生对采集的结直肠CT图像进行专业分析，将没有肿瘤的数据剔除。然后按照美国癌症联合委员会（American Joint Committee on Cancer, AJCC）/国际抗癌联盟（Union for Inter-national Cancer Control, UICC）结直肠癌 TNM 分期系统（2017年第八版），对结直肠CT影像数据进行分析，得到以下几个特征信息：直肠癌原发肿瘤（T）分期；区域淋巴结（N）、临床N（cN）分期；远处转移（M）分期。
3.算法规则：根据医生标注得出的影像特征信息，与结直肠癌 TNM 分期系统算法规则进行匹配，得到结直肠癌TMN分期结果。
4.数据应用：该数据用于训练结直肠TMN分期人工智能模型，以识别结直肠癌TMN分期。
浙江省数据知识产权登记平台2024-05-07 更新300