摘要良性前列腺增生数据集包含 176 张 RGB 前列腺图像BPH 和 Normal 两类来自孟加拉国临床机构专为 BPH 自动分类和计算机辅助诊断的深度学习研究而构建。数据集简介数据集概述良性前列腺增生数据集BPH Dataset是一个用于良性前列腺增生诊断和分类的医学影像数据集。BPH 是老年男性常见的非癌性前列腺肥大疾病50 岁以上约 50%80 岁以上约 90%可导致下尿路症状尿频、尿急、夜尿、排尿困难早期诊断对治疗方案制定至关重要。数据集包含 176 张 RGB 前列腺图像BPH 和 Normal 两类来自孟加拉国临床医疗机构提供区域视角。专为机器学习、深度学习和图像处理任务设计支持 BPH 自动诊断和 CAD 系统开发。数据结构与临床背景数据集包含 176 张 RGB 彩色前列腺图像按二元分类组织(1) BPH 类别良性前列腺增生病例的医学影像显示前列腺体积增大、形态改变等特征(2) Normal 类别正常前列腺的医学影像作为对照组。图像可能来自多种医学成像模态如超声Ultrasound最常用的 BPH 评估工具包括经腹超声 TAUS 和经直肠超声 TRUS、MRI磁共振成像提供更详细的软组织对比 或其他影像学检查。良性前列腺增生临床背景BPH 是由前列腺移行区transitional zone细胞增生导致的前列腺体积增大压迫尿道引起下尿路症状。影像学特征包括前列腺体积增大正常约 20-30 mLBPH 可达 40-100 mL、移行区增生、前列腺形态改变对称性或不对称性增大、尿道受压或变形、膀胱壁增厚继发于梗阻、残余尿增多等。诊断评估通常结合影像学检查测量前列腺体积、症状评分IPSS 国际前列腺症状评分、尿流率检查、血清 PSA前列腺特异性抗原排除前列腺癌等。数据集的区域特性来自孟加拉国可能反映特定人群的疾病流行病学、遗传背景、生活方式和医疗资源条件为跨文化和跨地域的医学研究提供数据支持。应用价值与研究方向该数据集为良性前列腺增生研究、泌尿外科学和医学图像分析提供核心数据支撑。核心应用(1) BPH 自动分类开发深度学习模型CNN、ResNet、EfficientNet、Vision Transformer进行二元分类支持快速筛查(2) 前列腺体积估计训练模型自动测量前列腺体积椭球体公式提供量化指标(3) CAD 系统开发面向泌尿科医生的计算机辅助诊断工具(4) 图像处理与特征提取研究纹理、形态学和深度特征识别 BPH 影像学模式(5) 小样本学习数据集规模较小176 张适合研究数据增强、迁移学习、Few-Shot Learning 和 Meta-Learning(6) 跨域泛化作为孟加拉国区域性数据集研究模型在不同地理区域和设备条件下的泛化能力(7) 可解释 AI应用 Grad-CAM、LIME 可视化模型决策(8) 临床验证与部署评估 AI 模型的临床可行性(9) 教育与培训用于泌尿外科培训和医学影像教学。为改善 BPH 早期检测和男性泌尿健康提供区域性数据资源。数据集来源该数据集来自孟加拉国的临床医疗机构包含 176 张 RGB 前列腺图像BPH 良性前列腺增生和 Normal 正常两类专为良性前列腺增生的自动化诊断和二元分类的机器学习、深度学习和图像处理任务而设计。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-94文件大小640M原创声明本数据集为整理作品