hackaton_2026_4/bone_2026
hackaton_2026_4
/
bone_2026
5
0
Fork 1
Code Pull Requests Packages Projects Releases Wiki Activity

develop - hack_2026

This commit is contained in:
denis 2026-09-27 22:04:50 +03:00
parent 157b7b89a6
commit 3de6ed5af3
35 changed files with 5572 additions and 1657 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

5
.gitignore vendored
View File

@ -6,3 +6,8 @@
.vscode/
/.pytest_cache/
/venv/
# Автономный HTML-пакет для ручной разметки (снимки внутри, ~7 МБ) —
# генерируется командой `python -m src.dxa.review_pack --out review/doctor_review.html`,
# в репозитории не хранится.
/review/

6
Dockerfile
View File

@ -46,10 +46,12 @@ RUN python -c "import src.main; print('app import ok')"
# --- Проверка статики для офлайн-работы ---
# Веб-интерфейс не должен зависеть от CDN: Tailwind и FontAwesome лежат в
# src/api/static/vendor и src/api/static/webfonts (см. index.html).
# src/api/static/vendor и src/api/static/webfonts (см. index.html). Страница
# ручной разметки /label тоже должна попасть в образ целиком.
RUN python -c "import os; \
files=['src/api/static/vendor/tailwind.js','src/api/static/vendor/fontawesome.css', \
'src/api/static/webfonts/fa-solid-900.woff2']; \
'src/api/static/webfonts/fa-solid-900.woff2', \
'src/api/static/label.html','src/api/static/js/labeling.js']; \
missing=[f for f in files if not os.path.exists(f)]; \
assert not missing, f'missing frontend assets: {missing}'; \
print('frontend assets ok')"

0
Dockerfile_cuda → Dockerfile_cuda.txt
View File

136
QWEN.md
View File

@ -37,6 +37,8 @@
src/dxa/
├── labels.py # имена -> метки, склейка дублей, разбиение, фиксация сплита
├── excel_labels.py # разметка снимков по экспертной таблице (labels_images.csv)
├── manual_labels.py # вердикты специалиста: хранение, наложение, выгрузка (/label)
├── review_pack.py # автономный HTML-пакет разметки для врача (без сервера и сети)
├── rename_files.py # приведение имён DICOM к виду область_NN[_метка]
├── violations.py # единый словарь типов нарушений (коды, подписи, коды SR)
├── model_card.py # карточка решения: разметка, данные, метрики, ограничения
@ -63,14 +65,14 @@ src/dxa/
| Решение | Причина |
|---|---|
| Единый словарь типов нарушений (`src/dxa/violations.py`) | Коды, подписи и коды SR были в трёх копиях (инференс, `main.py`, `dxa-app.js`) и не знали кодов экспертной таблицы. Теперь подписи отдаёт сервер, фронт копий не держит |
| Метки только из экспертной таблицы (правило `table`): `labels/labels_images.csv`, 77 нарушений | Таблица описывает исследование, но каждая область встречается в нём один раз, поэтому вердикт переносится на снимок однозначно. Правило выбрано измерением: учёт ручных пометок из имён файлов дал ROC-AUC 0.6199 против 0.6764, хуже на всех 5 seed'ах. См. `assets/labeling.md` |
| Склейка побайтных дублей | 544 файла, но 252 уникальных снимка; без склейки снимок попадал в оба класса |
| Метки только из экспертной таблицы (правило `table`): `labels/labels_images.csv`, 76 нарушений | Таблица описывает исследование, но каждая область встречается в нём один раз, поэтому вердикт переносится на снимок однозначно. Правило выбрано измерением: учёт ручных пометок из имён файлов дал ROC-AUC 0.6003 против 0.6726, хуже на всех 5 seed'ах. См. `assets/labeling.md` |
| Склейка побайтных дублей | 482 файла, но 251 уникальный снимок; без склейки снимок попадал в оба класса |
| Разбиение по исследованиям, не по снимкам | Исключение утечки: снимки одного исследования в одной части |
| Линейный зонд (замороженный backbone) | Полный fine-tune при ~250 снимках переобучается (val AUC → 0.5) |
| Порог по логиту, подбор по F1 | При доле нарушений около 30 % порог 0.5 даёт почти нулевой recall; вероятности насыщаются |
| Аугментация выключена по умолчанию | Яркость и положение сами являются признаками качества: AUC 0.87 → 0.56 |
| Область по ширине кадра | Позвоночник 300 px, бедро 280 px; 99/99 для позвоночника |
| Панель деталей показывает измерения, а не вердикты | Эвристики `detailed_assessment` не калиброваны: `motion_detected`/`any_detected` истинны почти всегда, ROI-отступы срабатывают для 227/252 снимков |
| Панель деталей показывает измерения, а не вердикты | Эвристики `detailed_assessment` не калиброваны: `roi.valid` ложен для всех 251 снимка (краевой отступ срабатывает у 249 из 251), поэтому в панели показываются числовые измерения, а не вердикты «Да/Нет» |
### Проверка вклада модели
@ -86,12 +88,12 @@ python -m src.dxa.discriminator --model-path models/dxa_model.pth
| Предиктор | Общий AUC | spine | hip_right | hip_left |
|---|---|---|---|---|
| Модель | 0.854 | 0.928 | 0.861 | 0.853 |
| Правило «позвоночник = нарушение» | 0.529 | 0.500 | 0.500 | 0.500 |
| Модель | 0.885 | 0.954 | 0.875 | 0.880 |
| Правило «позвоночник = нарушение» | 0.534 | 0.500 | 0.500 | 0.500 |
Модель использует содержимое снимка: внутри областей она даёт 0.85–0.93.
Модель использует содержимое снимка: внутри областей она даёт 0.88–0.95.
Правило по области внутри области всегда 0.50 (подсказки нет). Честная оценка на
held-out — в `assets/labeling.md` §8: ROC-AUC 0.6764 [0.6309, 0.7218] по пяти seed'ам.
held-out — в `assets/labeling.md` §8: ROC-AUC 0.6726 [0.6367, 0.7086] по пяти seed'ам.
## Данные (`dataset_hack/`)
@ -99,7 +101,7 @@ held-out — в `assets/labeling.md` §8: ROC-AUC 0.6764 [0.6309, 0.7218] по
```
dataset_hack/
├── Для теста/ # bad.dcm, l_hip.dcm, r_hip.dcm, spine.dcm
├── Для теста/ # l_hip_01.dcm, r_hip_01.dcm, r_hip_01_bad.dcm, spine_01.dcm
└── НД_для_обучения/
├── разметка.xlsx # экспертная оценка на уровне ИССЛЕДОВАНИЯ
└── Исследования/<study_uid>/.../<region>_<n>[_good|_bad].dcm
@ -107,12 +109,13 @@ dataset_hack/
Факты, важные для обучения:
- 544 файла на диске, но **252 уникальных снимка** (по пиксельному содержимому)
на 100 исследований: позвоночник 99, бедро R 79, бедро L 73, 1 с неопределённой
- **482 файла `.dcm` на диске** (было 520: удалены 38 лишних побайтных копий и 10
файлов `.DS_Store`), но **251 уникальный снимок** (по пиксельному содержимому)
на 100 исследований: позвоночник 99, бедро R 78, бедро L 73, 1 с неопределённой
областью.
- Экспертная таблица отмечает нарушения у **74 снимков (29.4 %)**; три снимка
- Экспертная таблица отмечает нарушения у **73 снимков (29.1 %)**; три снимка
таблица область не оценивала.
- Рабочая разметка (правило `table`) — **77 нарушений из 252 (30.6 %)**: 74 по
- Рабочая разметка (правило `table`) — **76 нарушений из 251 (30.3 %)**: 73 по
таблице плюс 3 снимка без экспертной оценки, помеченных `filename_fallback`.
- Дубли не пересекают границы исследований, конфликтов меток при склейке нет.
Два побайтных дубля названы по-разному, поэтому область определяется
@ -121,7 +124,9 @@ dataset_hack/
`l_hip`, `r_hip`); инструмент — `src/dxa/rename_files.py`, карта отката —
`labels/rename_map.csv`. Суффиксы `_good`/`_bad` проставлялись вручную, в
метках **не участвуют** — только как диагностический столбец
`quality_from_filename`: они расходились с оценкой эксперта в 15 случаях из 252.
`quality_from_filename`: они расходились с оценкой эксперта в 62 случаях из 251
(повторное переименование 2026-09-27 дописало пометки уже после сборки
разметки и с тех пор расхождений стало вчетверо больше).
- В DICOM **нет** разметки ROI (ни OverlayData, ни GraphicAnnotationSequence) и
пусты теги `Laterality`/`ImageLaterality`, поэтому ни корректность областей, ни
сторону бедра нельзя проверить по метаданным.
@ -174,10 +179,10 @@ python -m src.dxa.train --head mlp --freeze-epochs 0 --epochs 30
рассинхронизироваться с обучением, а по файлу видно, на какой разметке он обучен.
Рабочий чекпоинт — `models/dxa_model.pth` (правило `table`, seed 42 по умолчанию,
эпоха 39, порог логита −0.4930 → вероятность 0.379; val ROC-AUC 0.6706 при
честной оценке 0.6764 [0.6309, 0.7218] по пяти seed'ам). Это единственный
чекпоинт в репозитории: прежние версии и прогоны сравнения удалены, откатиться
можно только переобучением.
эпоха 57, порог логита −0.1370 → вероятность 0.466; val ROC-AUC 0.6689 при
честной оценке 0.6726 [0.6367, 0.7086] по пяти seed'ам). Переобучен 2026-09-27
после пересборки разметки. Это единственный чекпоинт в репозитории: прежние
версии и прогоны сравнения удалены, откатиться можно только переобучением.
---
@ -186,6 +191,7 @@ python -m src.dxa.train --head mlp --freeze-epochs 0 --epochs 30
| Метод | Путь | Назначение |
|---|---|---|
| GET | `/` | Веб-интерфейс |
| GET | `/label` | Интерфейс ручной разметки (подтверждение вердиктов специалистом) |
| GET | `/api/v1/health` | Статус, признак загрузки модели и её происхождение (разметка, разбиение, порог, эпоха) |
| GET | `/api/v1/model` | Карточка решения: разметка, данные, метрики с интервалами, словарь нарушений, ограничения |
| POST | `/api/v1/analyze` | Базовый анализ файла |
@ -193,6 +199,11 @@ python -m src.dxa.train --head mlp --freeze-epochs 0 --epochs 30
| POST | `/api/v1/analyze/sr` | Текстовый отчёт DICOM SR |
| POST | `/api/v1/batch` | Пакетный анализ |
| POST | `/api/v1/export` | Пакетный анализ + XLSX |
| GET | `/api/v1/labeling/items` | Снимки датасета для разбора: текущая метка, её источник, расхождения |
| GET | `/api/v1/labeling/image` | PNG снимка для просмотра (путь проверяется на выход за каталог датасета) |
| POST | `/api/v1/labeling/verdict` | Сохранить вердикт специалиста в `labels/manual_labels.csv` |
| DELETE | `/api/v1/labeling/verdict` | Снять вердикт и вернуть снимок к построенной разметке |
| GET | `/api/v1/labeling/export` | Выгрузка разметки: `scope=all` годится как `--labels-csv` |
Путь к модели — переменная окружения `DXA_MODEL_PATH` (по умолчанию
`models/dxa_model.pth`), чтобы контейнер не зависел от рабочего каталога.
@ -205,7 +216,7 @@ API и CLI используют один код предсказания (`predi
```bash
./run.sh test
python -m pytest tests/ -q # 209 тестов
python -m pytest tests/ -q # 272 теста
```
- `tests/test_labels.py` — разбор имён, склейка дублей, отсутствие утечки при
@ -215,7 +226,10 @@ python -m pytest tests/ -q # 209 тестов
- `tests/test_excel_labels.py` — разметка по экспертной таблице: чтение
критериев, «1 = нарушение», голосование по области, перенос оценки на
единственное бедро, три правила метки (`table` / `union` / `expert`) и их
согласованность, подключение к обучению.
согласованность, подключение к обучению, чтение CSV, сохранённого Excel с BOM.
- `tests/test_manual_labels.py` — ручная разметка: проверка вердикта (область,
метка, тип нарушения и его совместимость с областью), хранение и правка,
наложение поверх построенной разметки, подсчёт прогресса и выгрузка.
- `tests/test_violations.py` — единый словарь типов: коды и подписи, коды SR,
приведение устаревших значений, согласованность с критериями таблицы.
- `tests/test_preprocess_and_model.py` — предобработка, метрики, подбор порога,
@ -224,6 +238,13 @@ python -m pytest tests/ -q # 209 тестов
(панель деталей ранее показывала прочерки из-за расхождения ключей),
различимость метрик между снимками, валидность PNG-визуализаций, отсутствие
некалиброванных вердиктов в ответе.
- `tests/test_labeling_api.py` — контракт `/api/v1/labeling/*`: отказ отдавать
файлы вне датасета (обход каталога, не-DICOM), проверка вердикта, выгрузка,
читаемая обучением как `--labels-csv`.
- `tests/test_review_pack.py` — пакет для врача: отпечаток набора, порядок
(расхождения первыми), встроенные данные разбираются как JSON, страница не
ссылается на сеть, слияние вердиктов с построенной разметкой и сообщение о
путях из чужого пакета.
### Проверка веб-интерфейса в браузере
@ -237,6 +258,17 @@ python -m pytest tests/ -q # 209 тестов
значения панели меняются при переключении строк; панель «О модели» наполняется
метриками и словарём (иначе раздел остался бы пустым каркасом).
- `ui_violation.js` — ветка «нарушение» (бейдж, POOR, HIGH, заключение).
- `ui_labeling.js` — интерфейс ручной разметки: список снимков с прогрессом,
расхождения первыми, снимок отрисовывается, вердикт сохраняется и переживает
перезагрузку страницы, фильтр «только расхождения», отсутствие внешних запросов.
Запускать с временным файлом вердиктов:
`DXA_MANUAL_LABELS=/tmp/manual_ui.csv python -m uvicorn src.main:app --port 8123`,
иначе проверка пишет в рабочий `labels/manual_labels.csv`.
- `review_pack.js` — автономный пакет разметки: открывает HTML прямо с диска
(`file://`, сервер не нужен), проверяет отрисовку встроенного снимка, вердикт,
его сохранение после перезагрузки, выгрузку CSV и восстановление прогресса из
этого же файла, а также отсутствие любых сетевых запросов. Запуск:
`PACK=review/doctor_review.html node tests/browser/review_pack.js`.
- `ui_offline.js` — страница не обращается к внешним хостам.
### Честность интерфейса
@ -263,9 +295,10 @@ Tailwind и FontAwesome лежат локально (`src/api/static/vendor`,
1. Разметка снимков выведена из таблицы, описывающей исследование: поштучной
экспертной оценки снимков в наборе нет. Оценка качества модели упирается в
качество этой разметки, а не только в объём данных.
2. Мало данных: 252 снимка, 77 нарушений; доверительные интервалы широкие
(ROC-AUC 0.6764 [0.6309, 0.7218] по пяти seed'ам).
качество этой разметки, а не только в объём данных. Для поштучной разметки есть
интерфейс `/label` (см. ниже) — им ещё не пользовались.
2. Мало данных: 251 снимок, 76 нарушений; доверительные интервалы широкие
(ROC-AUC 0.6726 [0.6367, 0.7086] по пяти seed'ам).
3. Эталон оценки — та же экспертная таблица, независимой истины нет; сравнение
правил разметки частично благоприятствует варианту «только таблица».
4. Тип нарушения определяется эвристиками, а не обученной моделью; 5 снимков
@ -275,6 +308,52 @@ Tailwind и FontAwesome лежат локально (`src/api/static/vendor`,
6. Сторона бедра в 7 исследованиях с единственным снимком не проверяема: теги
`Laterality` пусты, оценка взята из единственного заполненного столбца.
7. Порог `SPINE_MIN_WIDTH` привязан к текущему оборудованию.
8. Разметка и датасет уже расходились: повторное переименование 2026-09-27
дописало суффиксы `_good`/`_bad` после сборки разметки, из-за чего 20 из 252
путей устарели, 6 снимков получали метку «нарушение» вопреки эксперту и
пайплайн отдавал 251/82 вместо 252/77. Расхождение устранено пересборкой
разметки и переобучением в тот же день; числа в этом файле — уже новые.
Разбор — в `assets/labeling.md` §7.
## Ручная разметка (`/label`)
Поштучной экспертной оценки снимков в наборе нет (ограничение №1), а раздел 2.6
задания просит «автоматическую коррекцию разметки с возможностью подтверждения
специалистом». Поэтому в сервисе есть отдельный интерфейс `/label`:
`src/dxa/manual_labels.py` — хранение вердиктов, эндпоинты `/api/v1/labeling/*` —
список снимков, просмотр и сохранение, страница `src/api/static/label.html` +
`js/labeling.js`.
Вердикты лежат в `labels/manual_labels.csv` (переменная `DXA_MANUAL_LABELS`) в
формате построенной разметки, поэтому файл читается тем же `load_labels_csv` и
принимается обучением как `--labels-csv`. Выгрузка `scope=all` накладывает ручные
вердикты на построенную разметку и годится как источник меток напрямую.
Оценка модели в интерфейсе намеренно не показывается: подсказка смещала бы
разметчика, а цель — независимое суждение человека. Список выводит первыми
снимки, где метка разметки расходится с пометкой в имени файла: там ошибка
возможна в любом из источников.
### Пакет для врача (разметка без сервиса)
`/label` требует запущенного сервиса и Python, а размечать должен врач — на своей
машине. Поэтому тот же сценарий собирается в **один HTML-файл**:
```bash
./run.sh review --out review/doctor_review.html # ~7 МБ, 251 снимок
./run.sh review --limit 20 --out review/pilot.html # пилот на выборке
./run.sh review --merge review/doctor.csv --out labels/labels_images_reviewed.csv
```
Снимки встроены как data-URI, вердикты лежат в `localStorage` браузера, выгрузка —
CSV в формате `manual_labels.csv` (плюс колонка `pack_id` — отпечаток набора,
чтобы различить пакеты). Файл открывается двойным щелчком, работает без сети и
без установки чего-либо; каталог `review/` в git не хранится.
Вердикты врача принимаются как есть: `load_verdicts` читает выгрузку, `--merge`
накладывает её на построенную разметку (и сообщает о путях, которых нет в
датасете — признак чужого пакета), а `--labels-csv` с этим файлом годится для
обучения. Оценка модели в пакет не попадает по той же причине, что и в `/label`.
## Удалённый устаревший код
@ -292,6 +371,19 @@ position_validator,universal_scorer,medical_quality}.py`) удалены 2026-09
`__version__`, а `src/quality/__init__.py` — только докстрока. При добавлении
новых модулей в `src/quality/` помнить, что пакет больше ничего не импортирует.
`docs/` после удаления появился снова — владелец вернул его под сдачу: там лежат
`technical-description.html` (сдаточный технический документ) и его PDF-версия,
а также презентация команды. Это не материалы README: корневой `README.md`
ссылается только на `assets/`. PDF печатается из HTML тем же Chrome, а не
отдельным конвертером:
```bash
"/Applications/Google Chrome.app/Contents/MacOS/Google Chrome" --headless \
--disable-gpu --no-pdf-header-footer --user-data-dir=/tmp/chrome-pdf-profile \
--print-to-pdf="$PWD/docs/technical-description.pdf" \
"file://$PWD/docs/technical-description.html"
```
---
## Docker

123
README.md
View File

@ -96,15 +96,16 @@ DICOM ──▶ предобработка ──▶ ResNet18 (замороже
из экспертной таблицы командой `./run.sh label` (разбор — в
`assets/labeling.md`): в таблице отмечены критерии качества по каждому
исследованию, а каждая область встречается в нём ровно один раз, поэтому
вердикт переносится на снимок однозначно. Такой разметки — 77 нарушений из
252 (30.6 %). Правило выбрано измерением: учёт ручных пометок из имён файлов
вердикт переносится на снимок однозначно. Такой разметки — 76 нарушений из
251 (30.3 %). Правило выбрано измерением: учёт ручных пометок из имён файлов
дал худший результат на held-out наборе, поэтому в метках они не участвуют.
Резервный режим `--labels-csv ""` берёт метку из суффикса `_good`/`_bad` и
оставлен для совместимости.
3. **Склейка побайтных дублей.** В датасете 544 файла, но 252 уникальных снимка:
3. **Склейка побайтных дублей.** В датасете 482 файла, но 251 уникальный снимок:
один и тот же кадр сохранён многократно под разными именами (часть — с меткой,
часть — без). Без склейки одно изображение попадало бы в оба класса.
часть — без). Без склейки одно изображение попадало бы в оба класса. Лишние
байт-идентичные копии удалены.
4. **Разбиение по исследованиям.** Снимки одного исследования не попадают
одновременно в train и val — иначе метрики завышаются за счёт утечки.
@ -161,6 +162,7 @@ DICOM ──▶ предобработка ──▶ ResNet18 (замороже
| Метод | Путь | Назначение |
|---|---|---|
| GET | `/` | Веб-интерфейс |
| GET | `/label` | Интерфейс ручной разметки: подтверждение и правка вердиктов специалистом |
| GET | `/api/v1/health` | Статус, признак загрузки модели и её происхождение |
| GET | `/api/v1/model` | Карточка решения: разметка, данные, метрики с интервалами, словарь нарушений |
| POST | `/api/v1/analyze` | Базовый анализ одного файла |
@ -168,6 +170,11 @@ DICOM ──▶ предобработка ──▶ ResNet18 (замороже
| POST | `/api/v1/analyze/sr` | Текстовое представление отчёта DICOM SR |
| POST | `/api/v1/batch` | Пакетный анализ |
| POST | `/api/v1/export` | Пакетный анализ и выгрузка в XLSX |
| GET | `/api/v1/labeling/items` | Снимки датасета для разбора: текущая метка, её источник, расхождения |
| GET | `/api/v1/labeling/image` | PNG снимка для просмотра |
| POST | `/api/v1/labeling/verdict` | Сохранить вердикт специалиста |
| DELETE | `/api/v1/labeling/verdict` | Снять вердикт, вернуть снимок к построенной разметке |
| GET | `/api/v1/labeling/export` | Выгрузка разметки: `scope=all` принимается обучением как `--labels-csv` |
```bash
curl -X POST http://localhost:8000/api/v1/analyze -F "file=@study/spine.dcm"
@ -258,27 +265,85 @@ curl -X POST http://localhost:8000/api/v1/analyze -F "file=@study/spine.dcm"
- числовые метрики в панели деталей по-прежнему идут под дисклеймером о
некалиброванности порогов.
### Ручная разметка (`/label`)
Поштучной экспертной оценки снимков в наборе нет: таблица оценивает исследование,
и снимок наследует вердикт исследования. Закрыть это автоматически нечем —
локальная vision-модель оказалась непригодна (`assets/labeling.md` §11). Поэтому
в сервисе есть отдельный интерфейс ручной разметки: раздел 2.6 задания просит
«автоматическую коррекцию разметки с возможностью подтверждения специалистом».
Откройте `http://localhost:8000/label`. Интерфейс показывает снимок целиком и его
текущую метку с указанием источника (`экспертная таблица`, `имя файла`, `ручной
вердикт`). Снимки, где метка разметки расходится с пометкой в имени файла, идут
первыми: там ошибка возможна в любом из источников. Специалист подтверждает
вердикт или ставит свой — область, «годное / нарушение», тип нарушения,
комментарий.
Вердикты сохраняются в `labels/manual_labels.csv` в том же формате, что и
построенная разметка, поэтому файл можно сразу передать обучению:
```bash
curl -o manual_labels.csv "http://localhost:8000/api/v1/labeling/export?scope=all"
python -m src.dxa.train --labels-csv manual_labels.csv
```
`scope=all` накладывает ручные вердикты на построенную разметку (весь набор),
`scope=reviewed` отдаёт только разобранные снимки — для сверки с построенной
разметкой. Оценка модели в интерфейсе намеренно не показывается: подсказка
смещала бы разметчика, а ценность здесь именно в независимом суждении.
### Передать разметку врачу: автономный HTML-пакет
Интерфейс `/label` требует запущенного сервиса, а размечать должен специалист — на
своей машине, без Python и без сети. Поэтому тот же сценарий упаковывается в один
файл: снимки встроены внутрь, вердикты хранятся в браузере, выгрузка — CSV.
```bash
./run.sh review --out review/doctor_review.html # весь набор, ~7 МБ
./run.sh review --limit 20 --out review/pilot.html # пилот на выборке из 20 снимков
```
Файл врач открывает двойным щелчком: снимок, построенная метка с указанием
источника, кнопки «годное / нарушение», тип нарушения, комментарий, горячие
клавиши. Работает полностью офлайн — страница не делает ни одного сетевого
запроса, и это проверяется автоматически (`tests/browser/review_pack.js`).
Прогресс сохраняется в браузере, а кнопка «Выгрузить CSV» отдаёт файл, который
принимается обучением как есть; загрузить его обратно можно на другой машине —
кнопкой «Загрузить CSV».
Вердикты врача накладываются на построенную разметку одной командой, с проверкой,
что все пути есть в датасете:
```bash
./run.sh review --merge review/doctor.csv --out labels/labels_images_reviewed.csv
python -m src.dxa.train --labels-csv labels/labels_images_reviewed.csv
```
Каталог `review/` в git не хранится: пакет генерируется, а внутри — медицинские
снимки.
---
## Метрики
Метрики зависят от выбранного разбиения по исследованиям, поэтому приводятся
с разбросом. Основная оценка — на **фиксированном** разбиении по исследованиям
(обучение 199 снимков / 81 исследование, валидация 53 снимка / 19 исследований,
(обучение 198 снимков / 81 исследование, валидация 53 снимка / 19 исследований,
16 нарушений), пять seed'ов обучения, эталон — вердикт эксперта:
| Что измерено | Значение | Как измерено |
|---|---|---|
| ROC-AUC | **0.6764** [0.6309, 0.7218] | 5 seed'ов на фиксированном разбиении |
| PR-AUC | 0.4759 [0.4141, 0.5377] | там же; базовый уровень при 30 % нарушений — 0.30 |
| F1 | 0.5676 [0.5270, 0.6082] | там же; порог подобран на той же валидации — смещено вверх |
| ROC-AUC по областям | позвоночник 0.943, бедро R 0.576, бедро L 0.550 | рабочий чекпоинт, собственная валидация |
| ROC-AUC | **0.6726** [0.6367, 0.7086] | 5 seed'ов на фиксированном разбиении |
| PR-AUC | 0.4753 [0.4188, 0.5318] | там же; базовый уровень при 30 % нарушений — 0.30 |
| F1 | 0.5559 [0.5212, 0.5906] | там же; порог подобран на той же валидации — смещено вверх |
| ROC-AUC по областям | позвоночник 0.929, бедро R 0.606, бедро L 0.567 | рабочий чекпоинт, собственная валидация |
| Контрольная задача «позвоночник / бедро» | AUC 1.00 | проверка работоспособности пайплайна |
| Модель использует снимок, а не область | AUC 0.854 против 0.529 у правила области | `discriminator` на всём наборе, включая обучающие снимки |
| Модель использует снимок, а не область | AUC 0.885 против 0.534 у правила области | `discriminator` на всём наборе, включая обучающие снимки |
Метрики по областям — в `models/train_report.md`, он создаётся при обучении.
Разбивка важна, потому что нарушения распределены неравномерно: в позвоночнике
33 из 99, у бёдер 21–22 из 73–79, а область почти однозначно определяется по
33 из 99, у бёдер 20–22 из 73–78, а область почти однозначно определяется по
ширине кадра. Поэтому общий AUC частично отражает различение области, а не только
распознавание дефекта.
@ -286,18 +351,18 @@ curl -X POST http://localhost:8000/api/v1/analyze -F "file=@study/spine.dcm"
Метку можно было строить только из экспертной таблицы или дополнительно
учитывать пометки, проставленные вручную в именах файлов (суффикс `_bad`).
Пометки расходились с оценкой эксперта в 15 случаях из 252, поэтому правило
Пометки расходились с оценкой эксперта в 62 случаях из 251, поэтому правило
выбиралось измерением: одно разбиение, пять seed'ов, один эталон.
| Метрика (эталон) | только таблица | с суффиксами имён |
|---|---|---|
| ROC-AUC | **0.6764** [0.6309, 0.7218] | 0.6199 [0.5840, 0.6559] |
| PR-AUC | **0.4759** [0.4141, 0.5377] | 0.4046 [0.3702, 0.4391] |
| F1 | **0.5676** [0.5270, 0.6082] | 0.5426 [0.5073, 0.5778] |
| Recall / Precision | 0.700 / 0.486 | 0.863 / 0.404 |
| ROC-AUC | **0.6726** [0.6367, 0.7086] | 0.6003 [0.5592, 0.6415] |
| PR-AUC | **0.4753** [0.4188, 0.5318] | 0.3864 [0.3487, 0.4242] |
| F1 | **0.5559** [0.5212, 0.5906] | 0.5354 [0.4978, 0.5729] |
| Recall / Precision | 0.713 / 0.472 | 0.788 / 0.409 |
Парная разница (только таблица − с суффиксами): ROC-AUC **+0.0564**
[+0.0403, +0.0725], PR-AUC **+0.0713** [+0.0398, +0.1028] — знаки `+++++`, то
Парная разница (только таблица − с суффиксами): ROC-AUC **+0.0723**
[+0.0541, +0.0905], PR-AUC **+0.0889** [+0.0500, +0.1277] — знаки `+++++`, то
есть преимущество на всех пяти seed'ах.
**Принято правило «только экспертная таблица».** Пометки в именах файлов
@ -322,12 +387,13 @@ curl -X POST http://localhost:8000/api/v1/analyze -F "file=@study/spine.dcm"
1. **Разметка выведена из оценки исследования.** Экспертная таблица описывает
исследование, а не снимок; перенос однозначен (область встречается один раз),
но поштучной экспертной оценки снимков в наборе нет. Происхождение каждой
строки зафиксировано в `labels/labels_images.csv`. Разбор — в
строки зафиксировано в `labels/labels_images.csv`. Для поштучной разметки есть
интерфейс `/label` (см. «Веб-интерфейс»), им ещё не пользовались. Разбор — в
`assets/labeling.md`.
2. **Мало данных.** 252 уникальных снимка, 77 нарушений. Доверительные интервалы
2. **Мало данных.** 251 уникальный снимок, 76 нарушений. Доверительные интервалы
широкие; оценка на закрытом наборе может отличаться.
3. **Тип нарушения определяется эвристиками, а не обученной моделью.** Для
честного мультикласса нужна разметка типов на уровне снимка.
честного мультикласса нужна разметка типов на уровне снимка — её даёт `/label`.
4. **Область определяется по размеру кадра.** Признак безошибочно работает на этом
оборудовании (99/99 для позвоночника), но при смене аппарата порог
`SPINE_MIN_WIDTH` потребует калибровки.
@ -350,15 +416,18 @@ curl -X POST http://localhost:8000/api/v1/analyze -F "file=@study/spine.dcm"
| Проверка | Команда | Результат |
|---|---|---|
| Модель использует снимок, а не только область | `python -m src.dxa.discriminator` | AUC 0.854 против 0.529 у правила «позвоночник = нарушение»; внутри областей у модели 0.85–0.93, у правила 0.50 |
| Модель использует снимок, а не только область | `python -m src.dxa.discriminator` | AUC 0.885 против 0.534 у правила «позвоночник = нарушение»; внутри областей у модели 0.88–0.95, у правила 0.50 |
| Контракт API для веб-интерфейса | `python -m pytest tests/test_api_contract.py` | поля панели деталей, различимость метрик, PNG-визуализации, отсутствие некалиброванных вердиктов, канонические коды типов нарушений, карточка модели |
| Ручная разметка | `python -m pytest tests/test_manual_labels.py tests/test_labeling_api.py` | проверка вердикта (область, метка, совместимость типа нарушения с областью), хранение и наложение на построенную разметку, отказ отдавать файлы вне датасета, выгрузка, читаемая обучением |
| Пакет разметки для врача | `python -m pytest tests/test_review_pack.py` | отпечаток набора, порядок «расхождения первыми», встроенные данные, отсутствие сетевых ссылок в странице, слияние вердиктов с разметкой |
| Единый словарь нарушений | `python -m pytest tests/test_violations.py` | коды, подписи, коды SR, приведение устаревших значений, согласованность с таблицей |
| Разметка и разбиение данных | `python -m pytest tests/test_labels.py` | склейка дублей, разбор имён, фиксация разбиения, отсутствие утечки между train/val |
| Имена DICOM-файлов | `python -m pytest tests/test_rename_files.py` | разбор имён, поиск свободного номера при конфликте, отказ от угадывания области, цикл «применить → откатить» |
| Разметка по экспертной таблице | `python -m pytest tests/test_excel_labels.py` | чтение критериев, голосование по области, перенос на единственное бедро, правила `table`/`union`/`expert`, подключение к обучению |
| Выбор правила метки | `./run.sh split && ./run.sh compare` | ROC-AUC 0.6764 против 0.6199 по эталону, парная Δ +0.0564 [+0.0403, +0.0725], 5/5 seed'ов в пользу экспертной таблицы |
| Выбор правила метки | `./run.sh split && ./run.sh compare` | ROC-AUC 0.6726 против 0.6003 по эталону, парная Δ +0.0723 [+0.0541, +0.0905], 5/5 seed'ов в пользу экспертной таблицы |
| Метрики и порог | `python -m pytest tests/test_preprocess_and_model.py` | подбор порога при дисбалансе, roundtrip чекпоинта, BatchNorm |
| Веб-интерфейс в браузере | `node tests/browser/ui_check.js` | подсказка о кликабельности строк видна и скрывается на пустом фильтре; кнопка «Открыть» открывает панель; значения панели меняются при переключении строк; панель «О модели» наполняется метриками и словарём |
| Интерфейс ручной разметки в браузере | `node tests/browser/ui_labeling.js` | расхождения идут первыми, снимок отрисовывается, вердикт сохраняется и переживает перезагрузку страницы, фильтр «только расхождения» работает, внешних запросов нет |
| Работа без сети | `node tests/browser/ui_offline.js` | ноль внешних запросов, стили и иконки на месте |
Браузерные проверки требуют запущенного сервера:
@ -367,6 +436,9 @@ curl -X POST http://localhost:8000/api/v1/analyze -F "file=@study/spine.dcm"
python -m uvicorn src.main:app --port 8123
node tests/browser/ui_check.js # панель деталей обновляется по клику
node tests/browser/ui_offline.js # работа без доступа к внешним сервисам
# проверка ручной разметки пишет вердикты, поэтому файл стоит отвести в /tmp:
DXA_MANUAL_LABELS=/tmp/manual_ui.csv python -m uvicorn src.main:app --port 8123
node tests/browser/ui_labeling.js
```
Офлайн-режим обеспечен локальными копиями Tailwind и FontAwesome
@ -389,6 +461,8 @@ bone_2026/
│ ├── dxa/ # действующий модуль оценки качества
│ │ ├── labels.py # разбор имён, метки, склейка дублей, сплит
│ │ ├── excel_labels.py # разметка снимков по экспертной таблице
│ │ ├── manual_labels.py # ручная разметка: хранение вердиктов (/label)
│ │ ├── review_pack.py # автономный HTML-пакет разметки для врача
│ │ ├── rename_files.py # приведение имён DICOM к единому виду
│ │ ├── violations.py # единый словарь типов нарушений (коды, подписи)
│ │ ├── model_card.py # карточка решения для /api/v1/model и интерфейса
@ -401,8 +475,9 @@ bone_2026/
│ │ ├── train.py # обучение и отчёт
│ │ └── inference.py # пакетный инференс, определение области
│ ├── quality/ # эвристики качества, используются API
│ └── api/static/ # веб-интерфейс
│ └── api/static/ # веб-интерфейс (index.html — анализ, label.html — разметка)
├── labels/labels_images.csv # разметка снимков: официальная (+ .xlsx)
├── labels/manual_labels.csv # вердикты специалиста из /label (появляется после правок)
├── labels/labels_images_table.csv # вариант «только таблица» (то же, что выше)
├── labels/labels_images_union.csv # вариант «таблица или суффикс имени»
├── labels/labels_images_expert.csv # эталон для оценки: только снимки с оценкой

175
assets/labeling.md
View File

@ -43,7 +43,7 @@
| Шаг | Что делается | Почему так |
|---|---|---|
| Ключ склейки | имя каталога исследования | таблица ссылается на каталог (`2.25…`), а в DICOM лежит другой идентификатор (`1.2.643…`); соответствие каталог → тег 100/100 |
| Склейка дублей | по хешу пиксельных данных | 544 файла — это 252 уникальных снимка |
| Склейка дублей | по хешу пиксельных данных | 478 файлов — это 251 уникальный снимок |
| Область снимка | голосование по именам файлов группы | один снимок назван и как позвоночник, и как бедро; при равенстве голосов область остаётся неопределённой (такой снимок один) |
| Вердикт | оценка области переносится на её снимок | **каждая область встречается в исследовании ровно один раз**, поэтому не нужно решать, какой из нескольких снимков «плохой» |
| Сторона бедра | при единственном снимке бедра берётся единственный заполненный столбец | в 71 из 72 исследований с двумя бёдрами столбцы совпадают с именами файлов; в 7 исследованиях с одним снимком заполнена противоположная сторона. Факт переноса фиксируется флагом `laterality_mirrored`; теги `Laterality` в DICOM пусты |
@ -53,8 +53,8 @@
Метка могла строиться двумя способами: только из таблицы или с добавлением
пометок, которые вручную проставлялись в именах файлов (суффикс `_bad`). Пометки
в именах оказались ненадёжными: они расходились с оценкой эксперта в **15 случаях
из 252**. Выбор сделан измерением, а не по вкусу.
в именах оказались ненадёжными: они расходились с оценкой эксперта в **62 случаях
из 251**. Выбор сделан измерением, а не по вкусу.
**Постановка.** Разбиение по исследованиям зафиксировано один раз, оба варианта
обучены пятью seed'ами на нём, оценены по одному эталону — вердикту эксперта на
@ -67,25 +67,25 @@
| Метрика (эталон) | только таблица | таблица или суффикс `_bad` |
|---|---|---|
| ROC-AUC | **0.6764** [0.6309, 0.7218] | 0.6199 [0.5840, 0.6559] |
| PR-AUC | **0.4759** [0.4141, 0.5377] | 0.4046 [0.3702, 0.4391] |
| F1 | **0.5676** [0.5270, 0.6082] | 0.5426 [0.5073, 0.5778] |
| Recall | 0.7000 | 0.8625 |
| Precision | 0.4857 | 0.4043 |
| ROC-AUC | **0.6726** [0.6367, 0.7086] | 0.6003 [0.5592, 0.6415] |
| PR-AUC | **0.4753** [0.4188, 0.5318] | 0.3864 [0.3487, 0.4242] |
| F1 | **0.5559** [0.5212, 0.5906] | 0.5354 [0.4978, 0.5729] |
| Recall | 0.7125 | 0.7875 |
| Precision | 0.4716 | 0.4087 |
Парная разница («только таблица» − «с суффиксами»):
| Метрика | Δ, среднее [95 % ДИ] | Знаки по seed'ам |
|---|---|---|
| ROC-AUC | **+0.0564** [+0.0403, +0.0725] | `+++++` |
| PR-AUC | **+0.0713** [+0.0398, +0.1028] | `+++++` |
| F1 | +0.0251 [−0.0056, +0.0558] | `+++-+` |
| Precision | +0.0815 [+0.0590, +0.1039] | `+++++` |
| Recall | −0.1625 [−0.2715, −0.0535] | `--0--` |
| ROC-AUC | **+0.0723** [+0.0541, +0.0905] | `+++++` |
| PR-AUC | **+0.0889** [+0.0500, +0.1277] | `+++++` |
| F1 | +0.0205 [−0.0182, +0.0592] | `+-+-+` |
| Precision | +0.0629 [−0.0133, +0.1392] | `+++-+` |
| Recall | −0.0750 [−0.1931, +0.0431] | `0---0` |
**Решение: принято правило «только экспертная таблица».** Дополнительные пометки
из имён файлов ухудшали согласие модели с экспертом на невиданных
исследованиях: вариант с ними чаще срабатывал (recall 0.86), но за счёт
исследованиях: вариант с ними чаще срабатывал (recall 0.79), но за счёт
точности, а по беспороговым метрикам проигрывал на всех пяти seed'ах.
Оговорка: эталон — та же экспертная таблица, поэтому вариант, обучавшийся
@ -107,8 +107,9 @@
| `labeling_error` | Ошибка разметки | позвоночник | критерии методики |
| `unspecified` | Нарушение без уточнения | любая | служебный |
Распределение в разметке: `rotation` 36, `artifact` 17, `axis_deviation` 10,
`roi_incorrect` 7, `positioning` 6, `unspecified` 5.
Распределение в разметке: `rotation` 35, `artifact` 17, `axis_deviation` 10,
`roi_incorrect` 7, `positioning` 6, `unspecified` 5. Всего 80 критериев на 76
нарушений: у части снимков таблица отмечает по два критерия.
Словарь один на всё решение (`src/dxa/violations.py`): коды используют инференс,
отчёт DICOM SR и веб-интерфейс, подписи отдаёт сервер, копий в JavaScript нет.
@ -120,8 +121,8 @@
| | позвоночник | бедро R | бедро L | неопред. | всего |
|---|---|---|---|---|---|
| качественных | 66 | 58 | 51 | 0 | 175 |
| с нарушением | 33 | 21 | 22 | 1 | 77 |
| **итого** | **99** | **79** | **73** | **1** | **252** |
| с нарушением | 33 | 20 | 22 | 1 | 76 |
| **итого** | **99** | **78** | **73** | **1** | **251** |
Помимо метки в CSV сохранено происхождение: `quality_from_excel` (вердикт
эксперта), `quality_from_filename` (пометка из имени файла), `sources_conflict`,
@ -130,7 +131,7 @@
Рядом лежат варианты для воспроизведения сравнения:
`labels_images_table.csv`, `labels_images_union.csv`, `labels_images_expert.csv`
(эталон: только снимки с экспертной оценкой, 249 строк) и
(эталон: только снимки с экспертной оценкой, 248 строк) и
`split_expert_seed42.json` (зафиксированное разбиение).
## 7. Гигиена данных: имена файлов
@ -144,25 +145,56 @@
проверено, что оно на них не влияет: набор из 252 пиксельных групп идентичен до и
после, разметка не изменилась ни в одной строке. Суффиксы `_good`/`_bad`
сохранены как были и в метках не участвуют — только как диагностический столбец.
Числа в этих двух абзацах — состояние на момент проверки; актуальное состояние
набора и разметки приведено ниже.
### Расхождение разметки с датасетом и его устранение (2026-09-27)
К описанному проходу добавился более поздний: 2026-09-27 около 02:02 суффиксы
`_good`/`_bad` дописаны ещё 54 файлам, то есть **после** сборки разметки
(2026-09-26 22:35). `apply_excel_labels` сопоставляет метки строго по
`path_to_image`, поэтому во всех четырёх файлах разметки (`labels_images.csv`,
`_table`, `_union`, `_expert`) 20 строк стали ссылаться на имена, которых больше
нет. Последствие: эти 20 снимков теряли экспертную метку и падали на пометку из
имени файла, у 6 из них метка инвертировалась 0 → 1 (вердикт эксперта — «годное»,
файл назван `..._bad.dcm`), и пайплайн отдавал 251 снимок / 82 нарушения вместо
записанных выше 252 / 77. Расхождение нашли сравнением меток с именами файлов;
тесты падали на числах (`assert 251 == 252`), то есть оно было замечено, а не
осталось незамеченным.
Устранено пересборкой: `./run.sh label` и три варианта правила, `./run.sh split`,
затем переобучение `./run.sh train`. Актуальное состояние — 251 снимок / 76
нарушений, все пути разметки существуют, расхождений с датасетом нет. Пометки в
именах при этом расходятся с вердиктом эксперта в **62 случаях из 251** (было 15
из 252): после второго переименования пометок стало больше, и они чаще спорят с
таблицей. На метку это не влияет — правило `table` их не использует (см. §4), —
но именно эти 62 снимка имеет смысл разобрать первыми в интерфейсе ручной
разметки (см. §10).
Чистка датасета в тот же день: удалены 38 лишних байт-идентичных копий `.dcm`
внутри `НД_для_обучения` и 10 файлов `.DS_Store`. На разметку и на набор
пиксельных групп это не влияет: групп 251, все совпадают с `path_to_image`. На
диске 482 `.dcm` из 494 файлов. У каждого удалённого файла остался байт-идентичный
близнец, поэтому потеряно только имя, а не содержимое.
## 8. Оценка качества модели
Разбиение по исследованиям (по умолчанию seed 42): обучение 199 снимков /
Разбиение по исследованиям (по умолчанию seed 42): обучение 198 снимков /
81 исследование, валидация 53 снимка / 19 исследований, 16 нарушений.
| Метрика | Значение | Как получено |
|---|---|---|
| ROC-AUC | **0.6764** [0.6309, 0.7218] | 5 seed'ов на фиксированном разбиении, эталон — вердикт эксперта |
| PR-AUC | 0.4759 [0.4141, 0.5377] | там же |
| F1 | 0.5676 [0.5270, 0.6082] | там же; порог подобран по F1 на валидации, поэтому смещён вверх |
| ROC-AUC по областям | позвоночник 0.943, бедро R 0.576, бедро L 0.550 | рабочий чекпоинт, его собственная валидация |
| ROC-AUC | **0.6726** [0.6367, 0.7086] | 5 seed'ов на фиксированном разбиении, эталон — вердикт эксперта |
| PR-AUC | 0.4753 [0.4188, 0.5318] | там же |
| F1 | 0.5559 [0.5212, 0.5906] | там же; порог подобран по F1 на валидации, поэтому смещён вверх |
| ROC-AUC по областям | позвоночник 0.929, бедро R 0.606, бедро L 0.567 | рабочий чекпоинт, его собственная валидация |
Рабочий чекпоинт — обычный прогон с seed по умолчанию (эпоха 39, порог логита
−0.4930 → вероятность 0.379), его собственная валидационная ROC-AUC 0.6706
Рабочий чекпоинт — обычный прогон с seed по умолчанию (эпоха 57, порог логита
−0.1370 → вероятность 0.466), его собственная валидационная ROC-AUC 0.6689
близка к среднему по seed'ам, то есть результат не отобран по удачности.
Проверка, что модель смотрит на снимок, а не угадывает анатомию: внутри областей
она даёт AUC 0.85–0.93, правило «позвоночник значит нарушение» — ровно 0.50.
она даёт AUC 0.88–0.95, правило «позвоночник значит нарушение» — ровно 0.50.
Числа считаются на всём наборе, включая обучающие снимки, поэтому смещены вверх и
отвечают на вопрос «есть ли вклад содержимого», а не «каково качество на новых
данных».
@ -172,7 +204,7 @@
1. **Разметка унаследована от исследования.** Таблица оценивает исследование, а
не снимок; перенос однозначен, потому что область встречается один раз, но
исходная оценка всё равно не поштучная.
2. **Мало данных:** 252 снимка, 77 нарушений. Интервалы широкие.
2. **Мало данных:** 251 снимок, 76 нарушений. Интервалы широкие.
3. **Эталон — та же таблица.** Независимой истины нет; вариант, обучавшийся на
таблице, в сравнении в выигрышном положении.
4. **Тип нарушения — эвристика**, а не вывод модели: 5 снимков имеют только
@ -182,8 +214,83 @@
6. **Сторона бедра в 7 исследованиях не проверяема:** теги латеральности пусты.
7. **Корректность областей интереса наследуется из таблицы:** разметки ROI в
DICOM нет, сравнить её напрямую не с чем.
8. **Пометки в именах файлов спорят с таблицей в 62 случаях из 251.** На метку
это не влияет (правило `table`), но означает, что один из двух источников
ошибается почти в четверти набора. Разбирать их поштучно можно в `/label`; для
выбора правила измерения в §8 такие снимки не использовались.
9. **Поштучной разметки всё ещё нет.** Интерфейс `/label` (§10) её даёт, но им
ещё не пользовались: пока набор размечен на уровне исследования.
## 10. Отрицательный результат: локальная vision-модель
## 10. Ручная разметка: интерфейс `/label`
Поштучной экспертной оценки снимков в наборе нет — это ограничение №1, и
автоматически его не закрыть: локальная vision-модель оказалась непригодна (§11),
а экспертная таблица описывает исследование. Поэтому в сервисе есть интерфейс
ручной разметки — раздел 2.6 задания прямо просит «автоматическую коррекцию
разметки с возможностью подтверждения специалистом».
```bash
./run.sh serve # http://localhost:8000/label
```
Что он делает:
* показывает снимок целиком (PNG через `/api/v1/labeling/image`) без наложений,
чтобы разметчик судил по изображению, а не по подсказке алгоритма;
* отдаёт список снимков с текущей меткой и её источником (`table`, `filename` или
`manual`), причём снимки с расхождением метки и пометки в имени файла идут
первыми — именно там один из источников ошибается (см. §9, п. 8);
* сохраняет вердикт: анатомическая область, «годное / нарушение», тип нарушения из
`violations.py` и комментарий. Тип нарушения проверяется на совместимость с
областью (ротация — критерий бедра), у качественного снимка типа быть не может,
а опечатка в коде не превращается молча в `unspecified`;
* пишет вердикты в `labels/manual_labels.csv`. Формат тот же, что у построенной
разметки, поэтому файл читается `load_labels_csv` и принимается обучением как
`--labels-csv`;
* выгружает `scope=all` — весь набор с наложенными ручными вердиктами (готовый
источник меток для `./run.sh train`) — или `scope=reviewed` — только разобранные
снимки, чтобы сверить их с построенной разметкой.
Оценка модели в интерфейсе намеренно не показывается: разметчик, видя подсказку,
соглашался бы с ней, и поштучная разметка теряла бы ценность независимого
суждения. Прогресс по областям и число расхождений показаны, чтобы работу можно
было вести частями и прерывать.
Горячие клавиши: `g` — годное, `b` — нарушение, `Enter` — сохранить и перейти к
следующему, `d` — снять вердикт, `j`/`k` — навигация по списку.
Инструмент не заменяет эксперта: он только фиксирует суждение специалиста в
формате, который пайплайн уже умеет читать.
### Передача врачу: автономный пакет
`/label` требует запущенного сервиса и Python, а размечать должен врач — обычно на
своей машине, вне сети и без установки чего-либо. Поэтому тот же сценарий
собирается в один HTML-файл со встроенными снимками (`src/dxa/review_pack.py`):
```bash
python -m src.dxa.review_pack --out review/doctor_review.html # 251 снимок, ~7 МБ
python -m src.dxa.review_pack --merge review/doctor.csv \
--out labels/labels_images_reviewed.csv # наложить вердикты врача
```
Страница не делает ни одного сетевого запроса (проверяется тестом), вердикты
хранит браузер, выгрузка — CSV в формате `manual_labels.csv` с дополнительной
колонкой `pack_id` (отпечаток набора: по нему видно, что файл вернулся из того же
пакета). Модель в пакет не попадает: если показать разметчику оценку алгоритма,
он будет с ней соглашаться, и независимого суждения не получится.
**Что стоит размечать.** Порядок в пакете и в интерфейсе — как в §7: сперва 62
снимка, где метка разметки расходится с пометкой в имени файла (там ошибается
один из двух источников). Но одних расхождений мало: они отобраны по признаку,
который сам может быть смещён. Чтобы получить **независимую** оценку качества,
нужен ещё случайный подсчёт — если врач разметит, например, случайные 50 снимков
из 251, по ним можно будет измерить ROC-AUC и F1 модели на человеческом суждении,
а не на той же экспертной таблице, из которой выведена разметка (ограничение 3 в
§9). Такой замер в проекте ещё не делался: ни один снимок пока не размечен
поштучно.
## 11. Отрицательный результат: локальная vision-модель
Планировалась визуальная разметка локальной vision-моделью (9 млрд параметров,
офлайн), чтобы не зависеть от таблицы. На калибровке по 14 снимкам, из которых 8
@ -196,7 +303,7 @@
контактных листов остались в `src/dxa/render.py` — они полезны для выборочной
ручной проверки.
## 11. Воспроизведение
## 12. Воспроизведение
```bash
./run.sh label # разметка по экспертной таблице
@ -206,9 +313,11 @@ python -m src.dxa.excel_labels --label-rule union --out-name labels_images_union
python -m src.dxa.render --by-region --out dataset_hack/_preview
```
## 12. Что дальше
## 13. Что дальше
- Поштучная разметка снимков специалистом — снимет ограничение №1.
- Мультилейбл по типам нарушений вместо эвристики.
- Поштучная разметка снимков специалистом через `/label` (§10) — снимет
ограничение №1 и позволит перемерить качество на независимом суждении.
- Мультилейбл по типам нарушений вместо эвристики: в интерфейсе тип уже
проставляется вручную, но модель его не предсказывает.
- Больше исследований (500+), чтобы сузить интервалы.
- Калибровка порога определения области под конкретное оборудование.

2
docker-compose.yml
View File

@ -36,7 +36,7 @@ services:
image: dxa-quality:cuda
build:
context: .
dockerfile: Dockerfile_cuda
dockerfile: Dockerfile_cuda.txt
ports:
- "8000:8000"
restart: unless-stopped

202
docs/technical-description.html
View File

@ -67,9 +67,9 @@
<tr><th>Дата документа</th><td>27 сентября 2026 г.</td></tr>
<tr><th>Команда</th><td>Грачев Денис — разработка; Грачев Татьяна — капитан</td></tr>
<tr><th>Версия решения</th><td>1.0.0 (<code>src/__init__.py</code>)</td></tr>
<tr><th>Рабочий чекпоинт</th><td><code>models/dxa_model.pth</code>: ResNet18 + линейная голова, разметка <code>table</code>, seed 42, эпоха 39, порог логита −0.4930 (вероятность 0.379)</td></tr>
<tr><th>Ключевые метрики</th><td>ROC-AUC 0.6764 [0.6309, 0.7218], F1 0.5676 [0.5270, 0.6082] — пять seed'ов на фиксированном разбиении по исследованиям</td></tr>
<tr><th>Время обработки</th><td>0.021 с на изображение (медиана, CPU), 548 файлов за 12.1 с; требование «≤ 3 мин на исследование» выполняется с запасом</td></tr>
<tr><th>Рабочий чекпоинт</th><td><code>models/dxa_model.pth</code>: ResNet18 + линейная голова, разметка <code>table</code>, seed 42, эпоха 57, порог логита −0.1370 (вероятность 0.466)</td></tr>
<tr><th>Ключевые метрики</th><td>ROC-AUC 0.6726 [0.6367, 0.7086], F1 0.5559 [0.5212, 0.5906] — пять seed'ов на фиксированном разбиении по исследованиям</td></tr>
<tr><th>Время обработки</th><td>0.022 с на изображение (медиана, CPU), 482 файла за 13.9 с; требование «≤ 3 мин на исследование» выполняется с запасом</td></tr>
</table>
</div>
@ -144,7 +144,7 @@
<td>Разд. 9 (состав столбцов проверен на реальном прогоне)</td></tr>
<tr><td>Время обработки одного исследования ≤ 3 мин</td>
<td>Один снимок — один прямой проход сети 224×224, без итеративных процедур</td>
<td>Разд. 13: 0.021 с медиана на CPU, запас более чем трёхкратный</td></tr>
<td>Разд. 13: 0.022 с медиана на CPU, запас более чем трёхкратный</td></tr>
<tr><td>Отсутствие необработанных исключений; ошибки фиксируются в отчёте</td>
<td>Ошибка на файле не прерывает пакет: строка получает <code>processing_status = Failure: …</code></td>
<td>Разд. 16</td></tr>
@ -155,8 +155,11 @@
<td>Обход каталога, лог прогресса, XLSX/CSV, опциональный zip с визуализацией</td>
<td>Разд. 9, 13</td></tr>
<tr><td>API для пакетной обработки тестового набора</td>
<td>FastAPI: восемь маршрутов, включая <code>/api/v1/batch</code> и <code>/api/v1/export</code></td>
<td>FastAPI: четырнадцать маршрутов, включая <code>/api/v1/batch</code>, <code>/api/v1/export</code> и маршруты ручной разметки <code>/api/v1/labeling/*</code></td>
<td>Разд. 10</td></tr>
<tr><td>Дополнительно (п. 2.6): коррекция разметки с возможностью подтверждения специалистом</td>
<td>Интерфейс <code>/label</code>: снимок целиком, текущая метка с указанием источника, вердикт специалиста сохраняется в <code>labels/manual_labels.csv</code> и принимается обучением как <code>--labels-csv</code></td>
<td>Разд. 11.1; <code>tests/test_manual_labels.py</code>, <code>tests/test_labeling_api.py</code>, <code>tests/browser/ui_labeling.js</code></td></tr>
<tr><td>Обязательная контейнеризация, скрипт сборки и запуска в Linux</td>
<td><code>Dockerfile</code> (python:3.11-slim, чекпоинт внутри образа), <code>Dockerfile_cuda</code> для GPU, <code>docker-compose.yml</code> на оба случая, <code>run.sh</code></td>
<td>Разд. 14; сборка и запуск проверены, см. 14</td></tr>
@ -224,7 +227,7 @@
Параметры предобработки хранятся в чекпоинте и берутся из него, а не из кода по умолчанию.</li>
<li><b>Оценка качества.</b> Один прямой проход сети даёт логит. Решение принимается по логиту:
<code>quality_class = 1</code>, если логит выше порога. Порог подобран по F1 на валидации и
сохранён в чекпоинте (текущее значение −0.4930, что соответствует вероятности 0.379).</li>
сохранён в чекпоинте (текущее значение −0.1370, что соответствует вероятности 0.466).</li>
<li><b>Анатомическая область.</b> Определяется независимо от модели, по геометрии кадра (разд. 7),
с оценкой уверенности.</li>
<li><b>Измерения и тип нарушения.</b> Для снимков с нарушением вычисляются числовые признаки снимка,
@ -242,12 +245,12 @@
<table>
<tr><th>Показатель</th><th class="num">Значение</th><th>Пояснение</th></tr>
<tr><td>Файлов на диске</td><td class="num">544</td><td>в обучающем наборе (<code>dataset_hack/НД_для_обучения</code>)</td></tr>
<tr><td>Уникальных снимков</td><td class="num">252</td><td>по пиксельному содержимому; 292 файла — побайтные дубли</td></tr>
<tr><td>Файлов на диске</td><td class="num">478</td><td>DICOM в обучающем наборе (<code>dataset_hack/НД_для_обучения</code>); лишние побайтные копии удалены</td></tr>
<tr><td>Уникальных снимков</td><td class="num">251</td><td>по пиксельному содержимому; 227 файлов — дубли одного и того же кадра</td></tr>
<tr><td>Исследований</td><td class="num">100</td><td>разбиение выполняется по исследованиям, а не по снимкам</td></tr>
<tr><td>Позвоночник / бедро правое / бедро левое / не определено</td><td class="num">99 / 79 / 73 / 1</td><td>голосование по именам файлов после склейки дублей</td></tr>
<tr><td>Нарушений по экспертной таблице</td><td class="num">74 (29.4 %)</td><td>три снимка таблица не оценивала</td></tr>
<tr><td>Нарушений в рабочей разметке</td><td class="num">77 (30.6 %)</td><td>74 по таблице плюс 3 снимка с пометкой в имени файла</td></tr>
<tr><td>Позвоночник / бедро правое / бедро левое / не определено</td><td class="num">99 / 78 / 73 / 1</td><td>голосование по именам файлов после склейки дублей</td></tr>
<tr><td>Нарушений по экспертной таблице</td><td class="num">73 (29.1 %)</td><td>три снимка таблица не оценивала</td></tr>
<tr><td>Нарушений в рабочей разметке</td><td class="num">76 (30.3 %)</td><td>73 по таблице плюс 3 снимка с пометкой в имени файла</td></tr>
</table>
<p>Дубли не пересекают границы исследований, конфликтов меток при склейке не возникает. Два побайтных
@ -267,7 +270,7 @@
<p>Возможны были два правила: учитывать только экспертную таблицу либо дополнительно учитывать
пометки <code>_good</code>/<code>_bad</code>, проставленные вручную в именах файлов. Пометки
расходились с экспертом в 15 случаях из 252, поэтому правило выбиралось измерением: одно
расходились с экспертом в 62 случаях из 251, поэтому правило выбиралось измерением: одно
зафиксированное разбиение, пять seed'ов обучения, один эталон (табл. в разд. 12.3). Выбрано правило
«только экспертная таблица».</p>
@ -275,7 +278,7 @@
<table>
<tr><th>Часть</th><th class="num">Снимков</th><th class="num">Исследований</th><th class="num">Нарушений</th><th>Файл</th></tr>
<tr><td>Обучение</td><td class="num">199</td><td class="num">81</td><td class="num">61</td><td rowspan="2"><code>labels/split_expert_seed42.json</code></td></tr>
<tr><td>Обучение</td><td class="num">198</td><td class="num">81</td><td class="num">60</td><td rowspan="2"><code>labels/split_expert_seed42.json</code></td></tr>
<tr><td>Валидация</td><td class="num">53</td><td class="num">19</td><td class="num">16</td></tr>
</table>
@ -383,9 +386,9 @@ backbone заморожен и обучается только голова на
Аргумент <code>--min-recall</code> позволяет вместо этого взять максимальный порог с recall не ниже
заданного.</p>
<p><b>Рабочий чекпоинт.</b> Лучшая эпоха — 39 из прогона в 64 эпохи (обучение остановлено по терпению),
порог логита −0.4930 (вероятность 0.379). Метрики этой эпохи — в разделе 12, честная оценка варианта на
пяти seed'ах — ROC-AUC 0.6764.</p>
<p><b>Рабочий чекпоинт.</b> Лучшая эпоха — 57 из прогона в 82 эпохи (обучение остановлено по терпению),
порог логита −0.1370 (вероятность 0.466). Метрики этой эпохи — в разделе 12, честная оценка варианта на
пяти seed'ах — ROC-AUC 0.6726.</p>
<h3>6.3. Чекпоинт и отчёты</h3>
@ -437,17 +440,17 @@ backbone заморожен и обучается только голова на
<p>Если ширина кадра неизвестна, используется предсказание головы, а затем форма яркой области
(<code>bbox_aspect</code> и <code>symmetry</code>).</p>
<p><b>Точность.</b> Сопоставление с областью из рабочей разметки (252 снимка, раздел 4):</p>
<p><b>Точность.</b> Сопоставление с областью из рабочей разметки (251 снимок, раздел 4):</p>
<table>
<tr><th>Что проверялось</th><th class="num">Результат</th></tr>
<tr><td>Позвоночник</td><td class="num">99 / 99</td></tr>
<tr><td>Сторона бедра (правое / левое)</td><td class="num">135 / 152 (88.8 %)</td></tr>
<tr><td>Итого по всем областям</td><td class="num">234 / 251 (93.2 %)</td></tr>
<tr><td>Сторона бедра (правое / левое)</td><td class="num">134 / 151 (88.7 %)</td></tr>
<tr><td>Итого по всем областям</td><td class="num">233 / 250 (93.2 %)</td></tr>
</table>
<p>Различение позвоночника и бедра по ширине кадра работает безошибочно, а сторона бедра определяется
менее надёжно: перевес светимости путает левое и правое в 17 случаях из 152. Сторона не проверялась по
менее надёжно: перевес светимости путает левое и правое в 17 случаях из 151. Сторона не проверялась по
тегам DICOM — <code>Laterality</code> в наборе пуст, — поэтому это ограничение (раздел 17, п. 7), а не
измеренная ошибка модели.</p>
@ -490,12 +493,12 @@ acceptable) с флагом <code>FINAL</code>, нарушение — с фла
<p>Экспертная таблица кодирует не все девять кодов, а пять: <code>positioning</code>,
<code>axis_deviation</code>, <code>artifact</code>, <code>rotation</code>, <code>roi_incorrect</code>.
Распределение в рабочей разметке (в четырёх из 77 нарушений указано по два критерия, поэтому сумма
больше 77):</p>
Распределение в рабочей разметке (в четырёх из 76 нарушений указано по два критерия, поэтому сумма
больше 76):</p>
<table>
<tr><th>Код</th><th class="num">Снимков</th></tr>
<tr><td><code>rotation</code></td><td class="num">36</td></tr>
<tr><td><code>rotation</code></td><td class="num">35</td></tr>
<tr><td><code>artifact</code></td><td class="num">17</td></tr>
<tr><td><code>axis_deviation</code></td><td class="num">10</td></tr>
<tr><td><code>roi_incorrect</code></td><td class="num">7</td></tr>
@ -519,8 +522,8 @@ acceptable) с флагом <code>FINAL</code>, нарушение — с фла
<div class="note">На текущем чекпоинте эта ветка практически вырождена. Пороги
<code>motion_threshold</code> и <code>artifact_threshold</code> в вызов не передаются, поэтому
действуют значения по умолчанию (0.0 и 1.0), которых признаки достичь не могут, а условие ротации
(<code>bbox_aspect</code> вне диапазона 0.4–3.0) на наборе не срабатывает. Прогон по всем 548 файлам
даёт одинаковый результат: все 341 решение с нарушением помечены <code>unspecified</code>. Для
(<code>bbox_aspect</code> вне диапазона 0.4–3.0) на наборе не срабатывает. Прогон по всем 482 файлам
даёт одинаковый результат: все 206 решений с нарушением помечены <code>unspecified</code>. Для
содержательного типа нужна разметка типов на уровне снимка и обученный мультилейбл-классификатор
(раздел 18), поэтому в ответе API тип всегда идёт с флагом
<code>violation_type_is_heuristic = true</code>.</div>
@ -651,50 +654,92 @@ acceptable) с флагом <code>FINAL</code>, нарушение — с фла
состав данных, словарь нарушений и список ограничений. Данные приходят из <code>/api/v1/model</code>.</figcaption>
</figure>
<h3>11.1. Ручная разметка (<code>/label</code>)</h3>
<p>Поштучной экспертной оценки снимков в наборе нет — это ограничение 1 в разд. 17, и автоматически его
закрыть нечем: локальная vision-модель оказалась непригодна как разметчик (отрицательный результат
описан в <code>assets/labeling.md</code> §11). Поэтому реализован отдельный интерфейс ручной разметки, который
отвечает пункту 2.6 задания — «автоматическая коррекция разметки с возможностью подтверждения
специалистом».</p>
<p>Страница доступна по адресу <code>/label</code> и работает на тех же офлайн-ассетах, что и основная.
Она показывает снимок целиком (PNG через <code>/api/v1/labeling/image</code>, без наложений), его
текущую метку и <b>источник</b> этой метки: <code>table</code> (экспертная таблица),
<code>filename</code> (пометка в имени файла) или <code>manual</code> (вердикт специалиста). Снимки, где
метка разметки расходится с пометкой в имени файла, выводятся первыми: именно там один из источников
ошибается, и таких снимков в наборе 62 из 251.</p>
<p>Специалист подтверждает вердикт или ставит свой: анатомическая область, «годное / нарушение», тип
нарушения из словаря (разд. 8) и комментарий. Вердикт проверяется на согласованность: тип нарушения
обязан относиться к выбранной области (ротация — критерий бедра), у качественного снимка типа быть не
может, а неизвестный код отклоняется, а не подменяется на «не уточнён». Есть горячие клавиши
(<code>g</code> — годное, <code>b</code> — нарушение, <code>Enter</code> — сохранить и перейти к
следующему) и прогресс по областям, чтобы работу можно было вести частями.</p>
<p>Вердикты сохраняются в <code>labels/manual_labels.csv</code> в том же формате, что и построенная
разметка, поэтому файл читается тем же загрузчиком и принимается обучением как
<code>--labels-csv</code>. Выгрузка <code>scope=all</code> отдаёт весь набор с наложенными ручными
вердиктами (готовый источник меток), <code>scope=reviewed</code> — только разобранные снимки, чтобы
сверить их с построенной разметкой.</p>
<p><b>Разметка без сервиса.</b> Интерфейс <code>/label</code> требует запущенного сервиса, а
размечать должен специалист — как правило, на своей машине, вне сети и без установки чего-либо.
Поэтому тот же сценарий упаковывается в один автономный HTML-файл
(<code>src/dxa/review_pack.py</code>, около 7 МБ на 251 снимок): изображения встроены как
data-URI, вердикты хранятся в браузере, а кнопка «Выгрузить CSV» отдаёт файл, который принимается
обучением как есть. Страница не делает ни одного сетевого запроса, и это проверяется автоматически
(<code>tests/browser/review_pack.js</code>). Вердикты специалиста накладываются на построенную
разметку командой <code>python -m src.dxa.review_pack --merge</code>; если в файле окажутся пути
из другого набора, команда сообщает об этом.</p>
<div class="note">Оценка модели в интерфейсе намеренно не показывается: разметчик, видя подсказку,
соглашался бы с ней, и поштучная разметка потеряла бы ценность независимого суждения. Инструмент не
заменяет эксперта — он фиксирует его суждение в формате, который пайплайн уже умеет читать.</div>
<h2 id="s12">12. Метрики качества</h2>
<h3>12.1. Основная оценка</h3>
<p>Оценка получена на фиксированном разбиении по исследованиям (обучение 199 снимков / 81 исследование,
<p>Оценка получена на фиксированном разбиении по исследованиям (обучение 198 снимков / 81 исследование,
валидация 53 снимка / 19 исследований, 16 нарушений), пять seed'ов обучения, эталон — вердикт
эксперта из таблицы. Приоритетные по заданию метрики приведены с 95 % доверительными интервалами.</p>
<table>
<tr><th>Метрика</th><th class="num">Значение</th><th class="num">95 % ДИ</th><th>Комментарий</th></tr>
<tr><td>ROC-AUC</td><td class="num">0.6764</td><td class="num">[0.6309, 0.7218]</td><td>приоритетная метрика задания</td></tr>
<tr><td>PR-AUC</td><td class="num">0.4759</td><td class="num">[0.4141, 0.5377]</td><td>базовый уровень при доле нарушений 30 % — около 0.30</td></tr>
<tr><td>F1</td><td class="num">0.5676</td><td class="num">[0.5270, 0.6082]</td><td>порог подбирался по F1 на той же валидации, поэтому значение смещено вверх</td></tr>
<tr><td>Recall / Precision</td><td class="num">0.700 / 0.486</td><td class="num">—</td><td>рабочая точка выбранного порога</td></tr>
<tr><td>ROC-AUC</td><td class="num">0.6726</td><td class="num">[0.6367, 0.7086]</td><td>приоритетная метрика задания</td></tr>
<tr><td>PR-AUC</td><td class="num">0.4753</td><td class="num">[0.4188, 0.5318]</td><td>базовый уровень при доле нарушений 30 % — около 0.30</td></tr>
<tr><td>F1</td><td class="num">0.5559</td><td class="num">[0.5212, 0.5906]</td><td>порог подбирался по F1 на той же валидации, поэтому значение смещено вверх</td></tr>
<tr><td>Recall / Precision</td><td class="num">0.713 / 0.472</td><td class="num">—</td><td>рабочая точка выбранного порога</td></tr>
</table>
<h3>12.2. Оценка по областям и контрольные проверки</h3>
<table>
<tr><th>Что измерено</th><th class="num">Значение</th><th>Как получено</th></tr>
<tr><td>ROC-AUC: позвоночник / бедро правое / бедро левое</td><td class="num">0.943 / 0.576 / 0.550</td><td>рабочий чекпоинт, собственная валидация</td></tr>
<tr><td>ROC-AUC: позвоночник / бедро правое / бедро левое</td><td class="num">0.929 / 0.606 / 0.567</td><td>рабочий чекпоинт, собственная валидация</td></tr>
<tr><td>Контрольная задача «позвоночник / бедро»</td><td class="num">AUC 1.00</td><td>проверка работоспособности пайплайна, а не клиническая метрика</td></tr>
<tr><td>Модель против правила «позвоночник = нарушение»</td><td class="num">0.854 против 0.529</td><td>оценка на всём наборе, включая обучающие снимки, поэтому смещена вверх</td></tr>
<tr><td>Модель против правила «позвоночник = нарушение»</td><td class="num">0.885 против 0.534</td><td>оценка на всём наборе, включая обучающие снимки, поэтому смещена вверх</td></tr>
</table>
<p>Разбивка по областям нужна потому, что нарушения распределены неравномерно: в позвоночнике
33 из 99 снимков, у бёдер 21–22 из 73–79, а сама область почти однозначно определяется по ширине
33 из 99 снимков, у бёдер 20–22 из 73–78, а сама область почти однозначно определяется по ширине
кадра. Поэтому общий AUC частично отражает различение области, а не только распознавание дефекта.
Чтобы отделить одно от другого, выполнена проверка: правило «позвоночник = нарушение» даёт внутри
областей 0.50 (подсказки нет), модель — 0.85–0.93. Это означает, что модель использует содержимое
областей 0.50 (подсказки нет), модель — 0.88–0.95. Это означает, что модель использует содержимое
снимка, а не только область.</p>
<h3>12.3. Выбор правила разметки</h3>
<table>
<tr><th>Метрика (эталон)</th><th class="num">только таблица</th><th class="num">с суффиксами имён</th></tr>
<tr><td>ROC-AUC</td><td class="num">0.6764 [0.6309, 0.7218]</td><td class="num">0.6199 [0.5840, 0.6559]</td></tr>
<tr><td>PR-AUC</td><td class="num">0.4759 [0.4141, 0.5377]</td><td class="num">0.4046 [0.3702, 0.4391]</td></tr>
<tr><td>F1</td><td class="num">0.5676 [0.5270, 0.6082]</td><td class="num">0.5426 [0.5073, 0.5778]</td></tr>
<tr><td>Recall / Precision</td><td class="num">0.700 / 0.486</td><td class="num">0.863 / 0.404</td></tr>
<tr><td>ROC-AUC</td><td class="num">0.6726 [0.6367, 0.7086]</td><td class="num">0.6003 [0.5592, 0.6415]</td></tr>
<tr><td>PR-AUC</td><td class="num">0.4753 [0.4188, 0.5318]</td><td class="num">0.3864 [0.3487, 0.4242]</td></tr>
<tr><td>F1</td><td class="num">0.5559 [0.5212, 0.5906]</td><td class="num">0.5354 [0.4978, 0.5729]</td></tr>
<tr><td>Recall / Precision</td><td class="num">0.713 / 0.472</td><td class="num">0.788 / 0.409</td></tr>
</table>
<p>Парная разница (только таблица минус с суффиксами): ROC-AUC <b>+0.0564</b> [+0.0403, +0.0725],
PR-AUC <b>+0.0713</b> [+0.0398, +0.1028] — знаки <code>+++++</code>, то есть преимущество на всех пяти
<p>Парная разница (только таблица минус с суффиксами): ROC-AUC <b>+0.0723</b> [+0.0541, +0.0905],
PR-AUC <b>+0.0889</b> [+0.0500, +0.1277] — знаки <code>+++++</code>, то есть преимущество на всех пяти
seed'ах. Принято правило «только экспертная таблица». Оговорка, важная для интерпретации: эталон — та
же таблица, поэтому вариант, обучавшийся на ней, находится в выигрышном положении; значимо здесь то,
что добавление ненадёжных пометок согласие с экспертом <b>снижает</b>, а не повышает.</p>
@ -704,15 +749,15 @@ seed'ах. Принято правило «только экспертная т
<h3>13.1. Измерения</h3>
<p>Измерения выполнены на рабочей машине разработчика (macOS, Apple Silicon) на полном наборе данных —
548 файлов в <code>dataset_hack</code> (544 обучающих плюс 4 тестовых). Инференс принудительно
482 DICOM-файла в <code>dataset_hack</code> (478 обучающих плюс 4 тестовых). Инференс принудительно
переведён на CPU параметром <code>--device cpu</code>, чтобы числа не зависели от наличия ускорителя.</p>
<table>
<tr><th>Показатель</th><th class="num">Значение</th><th>Условия</th></tr>
<tr><td>Время на изображение (медиана)</td><td class="num">0.021 с</td><td>CPU, включает чтение DICOM, предобработку и проход сети</td></tr>
<tr><td>Время на изображение (максимум)</td><td class="num">0.131 с</td><td>тот же прогон; первый снимок включает прогрев</td></tr>
<tr><td>Пакет целиком (548 файлов)</td><td class="num">12.1 с</td><td>от запуска процесса до записи XLSX, включая загрузку чекпоинта</td></tr>
<tr><td>Доля успешно обработанных файлов</td><td class="num">548 / 548 (100 %)</td><td>ошибок чтения на этом наборе нет</td></tr>
<tr><td>Время на изображение (медиана)</td><td class="num">0.022 с</td><td>CPU, включает чтение DICOM, предобработку и проход сети</td></tr>
<tr><td>Время на изображение (максимум)</td><td class="num">0.041 с</td><td>тот же прогон</td></tr>
<tr><td>Пакет целиком (482 файла)</td><td class="num">13.9 с</td><td>от запуска процесса до записи XLSX, включая загрузку чекпоинта</td></tr>
<tr><td>Доля успешно обработанных файлов</td><td class="num">482 / 482 (100 %)</td><td>ошибок чтения на этом наборе нет</td></tr>
<tr><td>Пиковая память процесса</td><td class="num">≈ 640 МБ</td><td>maximum resident set size, пакетный CPU-инференс</td></tr>
<tr><td>Ответ API на один файл</td><td class="num">16–18 мс</td><td>вызов внутри процесса, после прогрева; первый запрос 390 мс. Здесь устройство выбрано автоматически (MPS), на CPU значение того же порядка — см. медиану пакетного прогона выше</td></tr>
<tr><td>Время старта сервиса</td><td class="num">≈ 3 с</td><td>импорт библиотек и загрузка чекпоинта</td></tr>
@ -769,10 +814,10 @@ seed'ах. Принято правило «только экспертная т
<p><b>Что проверено на самом образе.</b> Сборка проходит три внутренние проверки:
<code>app import ok</code>, <code>frontend assets ok</code> и
<code>checkpoint ok: resnet18 linear threshold -0.4930129051208496</code>. Контейнер запущен без единого
<code>checkpoint ok: resnet18 linear threshold -0.13703127205371857</code>. Контейнер запущен без единого
монтирования (<code>docker run -d -p 8000:8000 dxa-quality:cpu</code>): чекпоинт присутствует внутри
образа (<code>/app/models/dxa_model.pth</code>), <code>/api/v1/health</code> сообщает
<code>model_loaded: true</code>, <code>device: cpu</code>, эпоху 39 и файл разметки
<code>model_loaded: true</code>, <code>device: cpu</code>, эпоху 57 и файл разметки
<code>labels/labels_images.csv</code>, запрос <code>/api/v1/analyze</code> отвечает корректной строкой
результата, а <code>/api/v1/export</code> возвращает XLSX с ожидаемым набором столбцов. Сквозная
проверка выполнена в контейнере на той же машине, где снимались измерения производительности. Оба
@ -809,8 +854,8 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
<h2 id="s15">15. Тесты и проверки</h2>
<p>Тесты — <code>pytest</code>, 209 проверок в шести файлах; запуск — <code>./run.sh test</code> или
<code>python -m pytest tests/ -q</code>. Сверка выполнена на дату документа: 209 passed.</p>
<p>Тесты — <code>pytest</code>, 272 проверки в девяти файлах; запуск — <code>./run.sh test</code> или
<code>python -m pytest tests/ -q</code>. Сверка выполнена на дату документа: 272 passed.</p>
<table>
<tr><th style="width:30%">Файл</th><th class="num" style="width:10%">Тестов</th><th>Что проверяет</th></tr>
@ -818,11 +863,15 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
<td>разбор имён, определение области и метки по имени, стратифицированное разбиение по
исследованиям, отсутствие утечки, фиксация и переиспользование разбиения в файле, сверка с
реальным датасетом</td></tr>
<tr><td><code>tests/test_excel_labels.py</code></td><td class="num">50</td>
<tr><td><code>tests/test_excel_labels.py</code></td><td class="num">51</td>
<td>разметка по экспертной таблице: чтение критериев, правило «1 = нарушение», голосование по
области, перенос оценки на единственное бедро, три правила метки
(<code>table</code> / <code>union</code> / <code>expert</code>), их согласованность и подключение
к обучению</td></tr>
(<code>table</code> / <code>union</code> / <code>expert</code>), их согласованность, подключение
к обучению и чтение CSV, сохранённого Excel с BOM</td></tr>
<tr><td><code>tests/test_manual_labels.py</code></td><td class="num">26</td>
<td>ручная разметка: проверка вердикта (область, метка, совместимость типа нарушения с областью,
отказ от опечаток), хранение и правка вердиктов, чтение файла с BOM, наложение поверх построенной
разметки, подсчёт прогресса и выгрузка</td></tr>
<tr><td><code>tests/test_rename_files.py</code></td><td class="num">36</td>
<td>приведение имён DICOM: разбор и канонизация, поиск свободного номера при конфликте, отказ
угадывать область, цикл «применить &rarr; откатить»</td></tr>
@ -836,12 +885,20 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
<td>поля ответов, которые читает веб-интерфейс: базовый и детальный анализ, здоровье и карточка
модели, выгрузка XLSX, обработка ошибок; различимость метрик между снимками и валидность
PNG-визуализаций</td></tr>
<tr><td><code>tests/test_labeling_api.py</code></td><td class="num">19</td>
<td>контракт <code>/api/v1/labeling/*</code>: отказ отдавать файлы вне датасета (обход каталога,
не-DICOM), проверка вердикта, выгрузка, читаемая обучением как <code>--labels-csv</code></td></tr>
<tr><td><code>tests/test_review_pack.py</code></td><td class="num">17</td>
<td>автономный пакет разметки: отпечаток набора, порядок «расхождения первыми», встроенные
данные разбираются как JSON, в странице нет ссылок на сеть, слияние вердиктов с построенной
разметкой и сообщение о путях из чужого пакета</td></tr>
</table>
<p>Отдельный контур — браузерные проверки интерфейса (<code>tests/browser/*.js</code>, Node и
<code>playwright-core</code>): они открывают интерфейс во временном профиле Chrome, загружают DICOM,
кликают по строкам таблицы и снимают содержимое панели деталей. Требуется запущенный сервер на
<code>127.0.0.1:8123</code>; профиль пользователя не затрагивается.</p>
кликают по строкам таблицы и снимают содержимое панели деталей. Для проверок интерфейса и ручной
разметки требуется запущенный сервер на <code>127.0.0.1:8123</code>; проверке автономного пакета
сервер не нужен вовсе — она открывает файл прямо с диска. Профиль пользователя не затрагивается.</p>
<table>
<tr><th style="width:28%">Сценарий</th><th>Что проверяет</th></tr>
@ -851,8 +908,16 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
словарём</td></tr>
<tr><td><code>ui_violation.js</code></td>
<td>ветку «нарушение»: бейдж, <code>POOR</code>, <code>HIGH</code>, текст заключения</td></tr>
<tr><td><code>ui_labeling.js</code></td>
<td>интерфейс ручной разметки: список снимков с прогрессом, расхождения первыми, отрисовку
снимка, сохранение вердикта и его живучесть после перезагрузки страницы, фильтр «только
расхождения», отсутствие внешних запросов</td></tr>
<tr><td><code>ui_offline.js</code></td>
<td>отсутствие обращений страницы к внешним хостам</td></tr>
<tr><td><code>review_pack.js</code></td>
<td>автономный пакет разметки — без сервера вообще: файл открывается с диска, встроенный снимок
рисуется, вердикт сохраняется и переживает перезагрузку, CSV выгружается и загружается обратно,
ни одного сетевого запроса</td></tr>
</table>
<h2 id="s16">16. Известные ошибки и их обработка</h2>
@ -915,9 +980,10 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
<li><b>Разметка выведена из оценки исследования, а не снимка.</b> Экспертная таблица описывает
исследование; перенос вердикта на снимок однозначен (область встречается один раз), но
поштучной экспертной оценки снимков в наборе нет. Оценка качества модели упирается в качество
этой разметки, а не только в объём данных.</li>
<li><b>Мало данных.</b> 252 уникальных снимка, 77 нарушений. Доверительные интервалы широкие
(ROC-AUC 0.6764 [0.6309, 0.7218] по пяти seed'ам), поэтому оценка на закрытом наборе может
этой разметки, а не только в объём данных. Для поштучной разметки в сервисе есть интерфейс
<code>/label</code> (раздел 11.1), им ещё не пользовались.</li>
<li><b>Мало данных.</b> 251 уникальный снимок, 76 нарушений. Доверительные интервалы широкие
(ROC-AUC 0.6726 [0.6367, 0.7086] по пяти seed'ам), поэтому оценка на закрытом наборе может
отличаться.</li>
<li><b>Эталон — та же таблица.</b> Независимой истины нет, поэтому сравнение правил разметки
частично благоприятствует варианту «только таблица» (раздел 12.3).</li>
@ -938,16 +1004,17 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
<li><b>Числовые эвристики панели деталей не калиброваны.</b> Их пороги рассчитаны на другой
масштаб интенсивностей, поэтому в интерфейсе показываются измерения, а не вердикты.</li>
<li><b>Рабочая точка порога даёт высокий recall при умеренной точности.</b> На обучающем наборе при
пороге, подобранном по F1, модель относит к нарушениям 341 строку из 548 (≈ 62 %) при
фактической доле нарушений 30.6 %, что согласуется с precision 0.486. Порог выбран в пользу
пороге, подобранном по F1, модель относит к нарушениям 204 строки из 482 (≈ 42 %) при
фактической доле нарушений 30.3 %, что согласуется с precision 0.472. Порог выбран в пользу
полноты: пропустить непригодное исследование дороже, чем показать лишнее.</li>
</ol>
<h2 id="s18">18. План развития</h2>
<ul>
<li>Разметить типы нарушений на уровне снимка и обучить мультилейбл-классификатор — это снимает
главное ограничение (тип нарушения определяется признаками, а не моделью).</li>
<li>Разметить типы нарушений на уровне снимка через интерфейс <code>/label</code> (раздел 11.1) и
обучить мультилейбл-классификатор — это снимает главное ограничение (тип нарушения определяется
признаками, а не моделью). Инструмент готов, разметка ещё не проводилась.</li>
<li>Расширить набор до 500+ исследований: доверительные интервалы сузятся, появится возможность
честной валидации без пересечения с обучением.</li>
<li>Заменить признак «ширина кадра» на калибровку по метаданным аппарата, чтобы определение области
@ -971,6 +1038,8 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
│ │ ├── inference.py пакетный инференс, определение области, визуализация
│ │ ├── labels.py разбор имён, метки, склейка дублей, разбиение
│ │ ├── excel_labels.py разметка снимков по экспертной таблице
│ │ ├── manual_labels.py ручная разметка: хранение вердиктов специалиста (/label)
│ │ ├── review_pack.py автономный HTML-пакет разметки для специалиста (без сервера)
│ │ ├── rename_files.py приведение имён DICOM к единому виду
│ │ ├── violations.py единый словарь типов нарушений
│ │ ├── model_card.py карточка решения для API и интерфейса
@ -997,12 +1066,19 @@ CPU-образ содержит <code>torch 2.8.0+cpu</code> и ни одног
# инференс и сервис
./run.sh infer "dataset_hack/Для теста" results.xlsx
./run.sh serve API и веб-интерфейс на порту 8000
./run.sh serve API и веб-интерфейс на порту 8000; /label — ручная разметка
python -m src.dxa.discriminator проверка вклада содержимого снимка
# проверки
./run.sh test pytest (209 тестов)
./run.sh test pytest (272 теста)
node tests/browser/ui_check.js проверки интерфейса (нужен сервер на 127.0.0.1:8123)
node tests/browser/ui_labeling.js проверка интерфейса ручной разметки
PACK=review/doctor_review.html node tests/browser/review_pack.js автономный пакет (без сервера)
# разметка специалистом для набора целиком
./run.sh review --out review/doctor_review.html файл-пакет для специалиста
./run.sh review --merge review/doctor.csv \
--out labels/labels_images_reviewed.csv наложить вердикты на разметку
# контейнер (чекпоинт лежит внутри образа, монтировать пути не нужно)
docker compose up -d CPU-сервис в фоне, http://localhost:8000

BIN
docs/technical-description.pdf
View File

Binary file not shown.

41
labels/labels_images.csv
View File

@ -22,11 +22,11 @@ dataset_hack/НД_для_обучения/Исследования/2.25.10386878
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.108537195937431169718850276671337677972,1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310,1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.07121414121104070401050315140813,,1,unspecified,,1,0,0,1,table,1,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907,hip_right,0,,0,0,0,1,0,table,0,,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103,spine,1,artifact,1,1,0,0,0,table,0,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_03_bad.dcm,spine_03_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.08101400121500101415120401040211,,1,unspecified,,1,0,0,1,table,1,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.112621744005021908434051268014787122937,1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100,1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305,hip_right,1,rotation,1,0,1,0,0,table,0,,
@ -42,8 +42,8 @@ dataset_hack/НД_для_обучения/Исследования/2.25.12489063
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.125521310320333648427417313254965624364,1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509,1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312,spine,1,positioning,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307,spine,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201,hip_left,1,rotation,1,0,1,0,0,table,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200,hip_right,1,rotation;roi_incorrect,1,0,1,0,0,table,0,,перелом
@ -53,16 +53,15 @@ dataset_hack/НД_для_обучения/Исследования/2.25.12798473
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801,spine,0,,0,0,0,0,0,table,0,,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128197189461989832465575162384360009377,1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401,1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128630285053087246379265602913470285158,1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106,1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905,spine,1,positioning,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.129239680100193368599713239115902740628,1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406,1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700,hip_right,1,rotation,1,0,1,1,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209,spine,0,,0,1,1,0,0,table,0,bad,
@ -103,7 +102,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.15638907
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212,spine,1,artifact,1,1,0,0,0,table,0,bad,
@ -160,7 +159,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.19033130
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910,spine,1,axis_deviation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802,hip_right,0,,0,0,0,1,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104,spine,0,,0,0,0,0,0,table,0,,
@ -177,16 +176,16 @@ dataset_hack/НД_для_обучения/Исследования/2.25.24771403
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311,spine,1,axis_deviation;artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012,spine,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501,spine,0,,0,0,0,0,0,table,0,,сколиоз
@ -196,14 +195,14 @@ dataset_hack/НД_для_обучения/Исследования/2.25.29638026
dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.306921081709806079165809721263236241032,1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705,1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514,spine,1,axis_deviation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.338439598607961312040815816824093323492,1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912,1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310,spine,1,artifact,1,1,0,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
@ -219,7 +218,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.39068163
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212,spine,1,axis_deviation;artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501,hip_left,1,rotation,1,0,1,0,0,table,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108,hip_right,1,rotation,1,0,1,0,0,table,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,0,1,0,0,table,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,1,0,0,0,table,0,bad,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.52532476139575422857225834315571570912,1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509,1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110,spine,1,unspecified,1,1,0,0,0,table,0,bad,"Сколиоз, не верня разметка"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701,hip_left,0,,0,0,0,0,0,table,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509,hip_right,0,,0,0,0,0,0,table,0,,"L6, люмбализация"
@ -232,8 +231,8 @@ dataset_hack/НД_для_обучения/Исследования/2.25.65954778
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411,hip_right,1,rotation,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201,hip_left,1,rotation,1,0,1,0,0,table,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907,hip_right,1,rotation,1,0,1,0,0,table,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm,l_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010,hip_left,1,rotation,1,1,0,0,0,table,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm,r_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313,hip_right,1,rotation,1,1,0,0,0,table,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107,spine,1,axis_deviation,1,0,1,0,0,table,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509,hip_right,0,,0,0,0,0,0,table,0,,
@ -250,4 +249,4 @@ dataset_hack/НД_для_обучения/Исследования/2.25.87869906
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,1,0,0,0,table,0,bad,

1 path_to_image file study study_uid image_uid anatomical_region quality_class violation_type quality_from_excel quality_from_filename sources_conflict laterality_mirrored region_ambiguous label_rule filename_fallback filename_marker expert_comment
22 dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.103868781101960771917584077315578649178 1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002 1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508 spine 0 0 0 0 0 0 table 0 сколиоз
23 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202 hip_left 0 0 0 0 0 0 table 0 сколиоз
24 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414 hip_right 0 0 0 0 0 0 table 0 сколиоз
25 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
26 dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.108537195937431169718850276671337677972 1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310 1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213 spine 0 0 0 0 0 0 table 0
27 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.07121414121104070401050315140813 1 unspecified 1 0 0 1 table 1 bad правое бедро эндопротезирования
28 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907 hip_right 0 0 0 0 1 0 table 0 правое бедро эндопротезирования
29 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103 spine 1 artifact 1 1 0 0 0 table 0 bad правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_03_bad.dcm spine_03_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.08101400121500101415120401040211 1 unspecified 1 0 0 1 table 1 bad правое бедро эндопротезирования
30 dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.112621744005021908434051268014787122937 1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100 1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204 spine 0 0 1 1 0 0 table 0 bad сколиоз
31 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304 hip_left 1 rotation 1 0 1 0 0 table 0
32 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305 hip_right 1 rotation 1 0 1 0 0 table 0
42 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504 hip_right 0 0 0 0 0 0 table 0
43 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102 spine 0 0 0 0 0 0 table 0
44 dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.125521310320333648427417313254965624364 1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509 1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312 spine 1 positioning 1 1 0 0 0 table 0 bad
45 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611 hip_left 1 rotation;roi_incorrect 1 0 1 1 0 0 0 table 0 bad
46 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605 hip_right 0 0 0 1 0 1 0 0 table 0 bad
47 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307 spine 0 0 1 1 0 0 table 0 bad
48 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201 hip_left 1 rotation 1 0 1 0 0 table 0 перелом
49 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200 hip_right 1 rotation;roi_incorrect 1 0 1 0 0 table 0 перелом
53 dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.12798473087614376830819854616447908612 1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509 1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801 spine 0 0 0 0 0 0 table 0 эндопротезирования ТБС
54 dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128197189461989832465575162384360009377 1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401 1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113 spine 0 0 0 0 0 0 table 0
55 dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128630285053087246379265602913470285158 1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106 1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513 spine 0 0 0 0 0 0 table 0
56 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801 hip_left 1 rotation 1 0 1 1 0 0 0 table 0 bad
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410 hip_right 1 rotation 1 0 1 0 0 table 0
57 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905 spine 1 positioning 1 1 0 0 0 table 0 bad
58 dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.129239680100193368599713239115902740628 1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406 1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700 hip_right 1 rotation 1 0 1 1 0 table 0
59 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401 hip_left 1 roi_incorrect 1 0 1 1 0 0 0 table 0 bad
60 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702 hip_right 1 roi_incorrect 1 0 1 1 0 0 0 table 0 bad
61 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402 spine 0 0 0 0 0 0 table 0
62 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm l_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014 hip_left 0 0 0 0 0 0 table 0 сколиоз
63 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm r_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104 hip_right 0 0 0 0 0 0 table 0 сколиоз
64 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
65 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802 hip_left 0 0 0 0 0 0 table 0
66 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301 hip_right 0 0 0 0 0 0 table 0
67 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209 spine 0 0 1 1 0 0 table 0 bad
102 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506 hip_left 1 rotation 1 0 1 0 0 table 0
103 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703 hip_right 1 rotation 1 0 1 0 0 table 0
104 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204 spine 0 0 0 0 0 0 table 0
105 dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm spine_01_bad.dcm spine_01.dcm 2.25.158197739569377798130962967413133224194 1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509 1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104 spine 0 0 1 0 1 0 0 0 table 0 bad
106 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315 hip_left 0 0 0 0 0 0 table 0
107 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309 hip_right 0 0 0 0 0 0 table 0
108 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212 spine 1 artifact 1 1 0 0 0 table 0 bad
159 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608 hip_right 1 rotation 1 0 1 0 0 table 0
160 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910 spine 1 axis_deviation 1 0 1 0 0 table 0
161 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802 hip_right 0 0 0 0 1 0 table 0
162 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad
163 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312 hip_left 1 rotation 1 0 1 0 0 table 0
164 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411 hip_right 1 rotation 1 0 1 0 0 table 0
165 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104 spine 0 0 0 0 0 0 table 0
176 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501 hip_left 0 0 0 0 0 0 table 0
177 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115 hip_right 0 0 0 0 0 0 table 0
178 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311 spine 1 axis_deviation;artifact 1 0 1 0 0 table 0
179 dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.269742577365511543488820993979123763373 1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404 1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
180 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303 hip_left 1 rotation 1 0 1 0 0 table 0
181 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406 hip_right 0 0 0 0 0 0 table 0
182 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012 spine 0 0 1 1 0 0 table 0 bad
183 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102 hip_left 0 0 0 0 0 0 table 0 сколиоз
184 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015 hip_right 0 0 0 0 0 0 table 0 сколиоз
185 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006 spine 0 0 1 1 0 0 table 0 bad сколиоз
186 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912 hip_left 1 roi_incorrect 1 0 1 1 0 0 0 table 0 bad
187 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407 hip_right 0 0 0 1 0 1 0 0 table 0 bad
188 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad
189 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311 hip_left 0 0 0 0 0 0 table 0 сколиоз
190 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103 hip_right 0 0 0 0 0 0 table 0 сколиоз
191 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501 spine 0 0 0 0 0 0 table 0 сколиоз
195 dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.306921081709806079165809721263236241032 1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705 1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313 spine 0 0 0 0 0 0 table 0
196 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409 hip_left 0 0 0 0 0 0 table 0
197 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414 hip_right 0 0 0 0 0 0 table 0
198 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad
199 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015 hip_left 0 0 0 0 0 0 table 0
200 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011 hip_right 0 0 0 0 0 0 table 0
201 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514 spine 1 axis_deviation 1 0 1 0 0 table 0
202 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812 hip_left 0 0 0 0 0 0 table 0
203 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001 hip_right 0 0 0 0 0 0 table 0
204 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210 spine 0 0 0 0 0 0 table 0
205 dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.322202456901330781765399791024580391565 1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105 1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
206 dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.338439598607961312040815816824093323492 1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912 1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310 spine 1 artifact 1 1 0 0 0 table 0 bad сколиоз
207 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506 hip_left 0 0 0 0 0 0 table 0 сколиоз
208 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600 hip_right 0 0 0 0 0 0 table 0 сколиоз
218 dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.39068163399801173920284179500049527111 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212 spine 1 axis_deviation;artifact 1 0 1 0 0 table 0
219 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm l_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501 hip_left 1 rotation 1 0 1 0 0 table 0 Требует внимание
220 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm r_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108 hip_right 1 rotation 1 0 1 0 0 table 0 Требует внимание
221 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad Требует внимание
222 dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.52532476139575422857225834315571570912 1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509 1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110 spine 1 unspecified 1 1 0 0 0 table 0 bad Сколиоз, не верня разметка
223 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701 hip_left 0 0 0 0 0 0 table 0 L6, люмбализация
224 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509 hip_right 0 0 0 0 0 0 table 0 L6, люмбализация
231 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802 hip_left 1 rotation 1 0 1 0 0 table 0
232 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01_bad.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411 hip_right 1 rotation 1 1 0 0 0 table 0 bad
233 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000 spine 0 0 0 0 0 0 table 0
234 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm l_hip_01.dcm l_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201 1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010 hip_left 1 rotation 1 0 1 1 0 0 0 table 0 bad Отклонение оси, нет малых вертелов
235 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm r_hip_01.dcm r_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907 1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313 hip_right 1 rotation 1 0 1 1 0 0 0 table 0 bad Отклонение оси, нет малых вертелов
236 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107 spine 1 axis_deviation 1 0 1 0 0 table 0 Отклонение оси, нет малых вертелов
237 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611 hip_left 0 0 0 0 0 0 table 0
238 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509 hip_right 0 0 0 0 0 0 table 0
249 dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.87869906212286587478854831452123526595 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511 spine 1 artifact 1 0 1 0 0 table 0
250 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309 hip_left 0 0 0 0 0 0 table 0
251 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411 hip_right 0 0 0 0 0 0 table 0
252 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701 spine 1 positioning 1 0 1 1 0 0 0 table 0 bad

BIN
labels/labels_images.xlsx
View File

Binary file not shown.

39
labels/labels_images_expert.csv
View File

@ -22,7 +22,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.10386878
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508,spine,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202,hip_left,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414,hip_right,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,1,1,0,0,expert,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.108537195937431169718850276671337677972,1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310,1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907,hip_right,0,,0,0,0,1,0,expert,0,,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103,spine,1,artifact,1,1,0,0,0,expert,0,bad,правое бедро эндопротезирования
@ -41,8 +41,8 @@ dataset_hack/НД_для_обучения/Исследования/2.25.12489063
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.125521310320333648427417313254965624364,1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509,1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312,spine,1,positioning,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,1,1,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307,spine,0,,0,1,1,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201,hip_left,1,rotation,1,0,1,0,0,expert,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200,hip_right,1,rotation;roi_incorrect,1,0,1,0,0,expert,0,,перелом
@ -50,16 +50,15 @@ dataset_hack/НД_для_обучения/Исследования/2.25.12712613
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801,spine,0,,0,0,0,0,0,expert,0,,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128197189461989832465575162384360009377,1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401,1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128630285053087246379265602913470285158,1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106,1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410,hip_right,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905,spine,1,positioning,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.129239680100193368599713239115902740628,1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406,1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700,hip_right,1,rotation,1,0,1,1,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014,hip_left,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104,hip_right,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,1,1,0,0,expert,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209,spine,0,,0,1,1,0,0,expert,0,bad,
@ -100,7 +99,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.15638907
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506,hip_left,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703,hip_right,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,1,1,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212,spine,1,artifact,1,1,0,0,0,expert,0,bad,
@ -157,7 +156,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.19033130
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608,hip_right,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910,spine,1,axis_deviation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802,hip_right,0,,0,0,0,1,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312,hip_left,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411,hip_right,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104,spine,0,,0,0,0,0,0,expert,0,,
@ -174,16 +173,16 @@ dataset_hack/НД_для_обучения/Исследования/2.25.24771403
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311,spine,1,axis_deviation;artifact,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,1,1,0,0,expert,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303,hip_left,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012,spine,0,,0,1,1,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102,hip_left,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015,hip_right,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006,spine,0,,0,1,1,0,0,expert,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,1,1,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311,hip_left,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103,hip_right,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501,spine,0,,0,0,0,0,0,expert,0,,сколиоз
@ -193,14 +192,14 @@ dataset_hack/НД_для_обучения/Исследования/2.25.29638026
dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.306921081709806079165809721263236241032,1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705,1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514,spine,1,axis_deviation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,1,1,0,0,expert,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.338439598607961312040815816824093323492,1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912,1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310,spine,1,artifact,1,1,0,0,0,expert,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506,hip_left,0,,0,0,0,0,0,expert,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600,hip_right,0,,0,0,0,0,0,expert,0,,сколиоз
@ -216,7 +215,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.39068163
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212,spine,1,axis_deviation;artifact,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501,hip_left,1,rotation,1,0,1,0,0,expert,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108,hip_right,1,rotation,1,0,1,0,0,expert,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,0,1,0,0,expert,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,1,0,0,0,expert,0,bad,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.52532476139575422857225834315571570912,1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509,1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110,spine,1,unspecified,1,1,0,0,0,expert,0,bad,"Сколиоз, не верня разметка"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701,hip_left,0,,0,0,0,0,0,expert,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509,hip_right,0,,0,0,0,0,0,expert,0,,"L6, люмбализация"
@ -229,8 +228,8 @@ dataset_hack/НД_для_обучения/Исследования/2.25.65954778
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802,hip_left,1,rotation,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411,hip_right,1,rotation,1,1,0,0,0,expert,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000,spine,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201,hip_left,1,rotation,1,0,1,0,0,expert,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907,hip_right,1,rotation,1,0,1,0,0,expert,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm,l_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010,hip_left,1,rotation,1,1,0,0,0,expert,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm,r_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313,hip_right,1,rotation,1,1,0,0,0,expert,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107,spine,1,axis_deviation,1,0,1,0,0,expert,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509,hip_right,0,,0,0,0,0,0,expert,0,,
@ -247,4 +246,4 @@ dataset_hack/НД_для_обучения/Исследования/2.25.87869906
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511,spine,1,artifact,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309,hip_left,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411,hip_right,0,,0,0,0,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,0,1,0,0,expert,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,1,0,0,0,expert,0,bad,

1 path_to_image file study study_uid image_uid anatomical_region quality_class violation_type quality_from_excel quality_from_filename sources_conflict laterality_mirrored region_ambiguous label_rule filename_fallback filename_marker expert_comment
22 dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.103868781101960771917584077315578649178 1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002 1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508 spine 0 0 0 0 0 0 expert 0 сколиоз
23 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202 hip_left 0 0 0 0 0 0 expert 0 сколиоз
24 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414 hip_right 0 0 0 0 0 0 expert 0 сколиоз
25 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104 spine 0 0 0 1 0 1 0 0 expert 0 bad сколиоз
26 dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.108537195937431169718850276671337677972 1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310 1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213 spine 0 0 0 0 0 0 expert 0
27 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907 hip_right 0 0 0 0 1 0 expert 0 правое бедро эндопротезирования
28 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103 spine 1 artifact 1 1 0 0 0 expert 0 bad правое бедро эндопротезирования
41 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504 hip_right 0 0 0 0 0 0 expert 0
42 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102 spine 0 0 0 0 0 0 expert 0
43 dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.125521310320333648427417313254965624364 1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509 1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312 spine 1 positioning 1 1 0 0 0 expert 0 bad
44 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611 hip_left 1 rotation;roi_incorrect 1 0 1 1 0 0 0 expert 0 bad
45 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605 hip_right 0 0 0 1 0 1 0 0 expert 0 bad
46 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307 spine 0 0 1 1 0 0 expert 0 bad
47 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201 hip_left 1 rotation 1 0 1 0 0 expert 0 перелом
48 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200 hip_right 1 rotation;roi_incorrect 1 0 1 0 0 expert 0 перелом
50 dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.12798473087614376830819854616447908612 1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509 1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801 spine 0 0 0 0 0 0 expert 0 эндопротезирования ТБС
51 dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128197189461989832465575162384360009377 1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401 1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113 spine 0 0 0 0 0 0 expert 0
52 dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128630285053087246379265602913470285158 1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106 1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513 spine 0 0 0 0 0 0 expert 0
53 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801 hip_left 1 rotation 1 0 1 1 0 0 0 expert 0 bad
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410 hip_right 1 rotation 1 0 1 0 0 expert 0
54 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905 spine 1 positioning 1 1 0 0 0 expert 0 bad
55 dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.129239680100193368599713239115902740628 1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406 1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700 hip_right 1 rotation 1 0 1 1 0 expert 0
56 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401 hip_left 1 roi_incorrect 1 0 1 1 0 0 0 expert 0 bad
57 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702 hip_right 1 roi_incorrect 1 0 1 1 0 0 0 expert 0 bad
58 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402 spine 0 0 0 0 0 0 expert 0
59 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm l_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014 hip_left 0 0 0 0 0 0 expert 0 сколиоз
60 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm r_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104 hip_right 0 0 0 0 0 0 expert 0 сколиоз
61 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115 spine 0 0 0 1 0 1 0 0 expert 0 bad сколиоз
62 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802 hip_left 0 0 0 0 0 0 expert 0
63 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301 hip_right 0 0 0 0 0 0 expert 0
64 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209 spine 0 0 1 1 0 0 expert 0 bad
99 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506 hip_left 1 rotation 1 0 1 0 0 expert 0
100 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703 hip_right 1 rotation 1 0 1 0 0 expert 0
101 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204 spine 0 0 0 0 0 0 expert 0
102 dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm spine_01_bad.dcm spine_01.dcm 2.25.158197739569377798130962967413133224194 1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509 1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104 spine 0 0 1 0 1 0 0 0 expert 0 bad
103 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315 hip_left 0 0 0 0 0 0 expert 0
104 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309 hip_right 0 0 0 0 0 0 expert 0
105 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212 spine 1 artifact 1 1 0 0 0 expert 0 bad
156 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608 hip_right 1 rotation 1 0 1 0 0 expert 0
157 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910 spine 1 axis_deviation 1 0 1 0 0 expert 0
158 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802 hip_right 0 0 0 0 1 0 expert 0
159 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801 spine 1 artifact 1 0 1 1 0 0 0 expert 0 bad
160 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312 hip_left 1 rotation 1 0 1 0 0 expert 0
161 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411 hip_right 1 rotation 1 0 1 0 0 expert 0
162 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104 spine 0 0 0 0 0 0 expert 0
173 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501 hip_left 0 0 0 0 0 0 expert 0
174 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115 hip_right 0 0 0 0 0 0 expert 0
175 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311 spine 1 axis_deviation;artifact 1 0 1 0 0 expert 0
176 dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.269742577365511543488820993979123763373 1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404 1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304 spine 0 0 0 1 0 1 0 0 expert 0 bad сколиоз
177 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303 hip_left 1 rotation 1 0 1 0 0 expert 0
178 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406 hip_right 0 0 0 0 0 0 expert 0
179 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012 spine 0 0 1 1 0 0 expert 0 bad
180 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102 hip_left 0 0 0 0 0 0 expert 0 сколиоз
181 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015 hip_right 0 0 0 0 0 0 expert 0 сколиоз
182 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006 spine 0 0 1 1 0 0 expert 0 bad сколиоз
183 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912 hip_left 1 roi_incorrect 1 0 1 1 0 0 0 expert 0 bad
184 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407 hip_right 0 0 0 1 0 1 0 0 expert 0 bad
185 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301 spine 1 artifact 1 0 1 1 0 0 0 expert 0 bad
186 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311 hip_left 0 0 0 0 0 0 expert 0 сколиоз
187 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103 hip_right 0 0 0 0 0 0 expert 0 сколиоз
188 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501 spine 0 0 0 0 0 0 expert 0 сколиоз
192 dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.306921081709806079165809721263236241032 1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705 1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313 spine 0 0 0 0 0 0 expert 0
193 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409 hip_left 0 0 0 0 0 0 expert 0
194 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414 hip_right 0 0 0 0 0 0 expert 0
195 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011 spine 1 artifact 1 0 1 1 0 0 0 expert 0 bad
196 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015 hip_left 0 0 0 0 0 0 expert 0
197 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011 hip_right 0 0 0 0 0 0 expert 0
198 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514 spine 1 axis_deviation 1 0 1 0 0 expert 0
199 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812 hip_left 0 0 0 0 0 0 expert 0
200 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001 hip_right 0 0 0 0 0 0 expert 0
201 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210 spine 0 0 0 0 0 0 expert 0
202 dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.322202456901330781765399791024580391565 1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105 1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711 spine 0 0 0 1 0 1 0 0 expert 0 bad сколиоз
203 dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.338439598607961312040815816824093323492 1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912 1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310 spine 1 artifact 1 1 0 0 0 expert 0 bad сколиоз
204 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506 hip_left 0 0 0 0 0 0 expert 0 сколиоз
205 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600 hip_right 0 0 0 0 0 0 expert 0 сколиоз
215 dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.39068163399801173920284179500049527111 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212 spine 1 axis_deviation;artifact 1 0 1 0 0 expert 0
216 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm l_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501 hip_left 1 rotation 1 0 1 0 0 expert 0 Требует внимание
217 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm r_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108 hip_right 1 rotation 1 0 1 0 0 expert 0 Требует внимание
218 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003 spine 1 artifact 1 0 1 1 0 0 0 expert 0 bad Требует внимание
219 dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.52532476139575422857225834315571570912 1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509 1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110 spine 1 unspecified 1 1 0 0 0 expert 0 bad Сколиоз, не верня разметка
220 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701 hip_left 0 0 0 0 0 0 expert 0 L6, люмбализация
221 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509 hip_right 0 0 0 0 0 0 expert 0 L6, люмбализация
228 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802 hip_left 1 rotation 1 0 1 0 0 expert 0
229 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01_bad.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411 hip_right 1 rotation 1 1 0 0 0 expert 0 bad
230 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000 spine 0 0 0 0 0 0 expert 0
231 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm l_hip_01.dcm l_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201 1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010 hip_left 1 rotation 1 0 1 1 0 0 0 expert 0 bad Отклонение оси, нет малых вертелов
232 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm r_hip_01.dcm r_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907 1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313 hip_right 1 rotation 1 0 1 1 0 0 0 expert 0 bad Отклонение оси, нет малых вертелов
233 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107 spine 1 axis_deviation 1 0 1 0 0 expert 0 Отклонение оси, нет малых вертелов
234 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611 hip_left 0 0 0 0 0 0 expert 0
235 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509 hip_right 0 0 0 0 0 0 expert 0
246 dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.87869906212286587478854831452123526595 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511 spine 1 artifact 1 0 1 0 0 expert 0
247 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309 hip_left 0 0 0 0 0 0 expert 0
248 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411 hip_right 0 0 0 0 0 0 expert 0
249 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701 spine 1 positioning 1 0 1 1 0 0 0 expert 0 bad

BIN
labels/labels_images_expert.xlsx
View File

Binary file not shown.

41
labels/labels_images_table.csv
View File

@ -22,11 +22,11 @@ dataset_hack/НД_для_обучения/Исследования/2.25.10386878
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.108537195937431169718850276671337677972,1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310,1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.07121414121104070401050315140813,,1,unspecified,,1,0,0,1,table,1,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907,hip_right,0,,0,0,0,1,0,table,0,,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103,spine,1,artifact,1,1,0,0,0,table,0,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_03_bad.dcm,spine_03_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.08101400121500101415120401040211,,1,unspecified,,1,0,0,1,table,1,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.112621744005021908434051268014787122937,1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100,1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305,hip_right,1,rotation,1,0,1,0,0,table,0,,
@ -42,8 +42,8 @@ dataset_hack/НД_для_обучения/Исследования/2.25.12489063
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.125521310320333648427417313254965624364,1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509,1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312,spine,1,positioning,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307,spine,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201,hip_left,1,rotation,1,0,1,0,0,table,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200,hip_right,1,rotation;roi_incorrect,1,0,1,0,0,table,0,,перелом
@ -53,16 +53,15 @@ dataset_hack/НД_для_обучения/Исследования/2.25.12798473
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801,spine,0,,0,0,0,0,0,table,0,,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128197189461989832465575162384360009377,1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401,1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128630285053087246379265602913470285158,1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106,1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905,spine,1,positioning,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.129239680100193368599713239115902740628,1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406,1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700,hip_right,1,rotation,1,0,1,1,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209,spine,0,,0,1,1,0,0,table,0,bad,
@ -103,7 +102,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.15638907
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212,spine,1,artifact,1,1,0,0,0,table,0,bad,
@ -160,7 +159,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.19033130
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910,spine,1,axis_deviation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802,hip_right,0,,0,0,0,1,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411,hip_right,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104,spine,0,,0,0,0,0,0,table,0,,
@ -177,16 +176,16 @@ dataset_hack/НД_для_обучения/Исследования/2.25.24771403
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311,spine,1,axis_deviation;artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012,spine,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,1,1,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501,spine,0,,0,0,0,0,0,table,0,,сколиоз
@ -196,14 +195,14 @@ dataset_hack/НД_для_обучения/Исследования/2.25.29638026
dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.306921081709806079165809721263236241032,1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705,1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514,spine,1,axis_deviation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,1,1,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.338439598607961312040815816824093323492,1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912,1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310,spine,1,artifact,1,1,0,0,0,table,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506,hip_left,0,,0,0,0,0,0,table,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600,hip_right,0,,0,0,0,0,0,table,0,,сколиоз
@ -219,7 +218,7 @@ dataset_hack/НД_для_обучения/Исследования/2.25.39068163
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212,spine,1,axis_deviation;artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501,hip_left,1,rotation,1,0,1,0,0,table,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108,hip_right,1,rotation,1,0,1,0,0,table,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,0,1,0,0,table,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,1,0,0,0,table,0,bad,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.52532476139575422857225834315571570912,1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509,1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110,spine,1,unspecified,1,1,0,0,0,table,0,bad,"Сколиоз, не верня разметка"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701,hip_left,0,,0,0,0,0,0,table,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509,hip_right,0,,0,0,0,0,0,table,0,,"L6, люмбализация"
@ -232,8 +231,8 @@ dataset_hack/НД_для_обучения/Исследования/2.25.65954778
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802,hip_left,1,rotation,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411,hip_right,1,rotation,1,1,0,0,0,table,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000,spine,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201,hip_left,1,rotation,1,0,1,0,0,table,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907,hip_right,1,rotation,1,0,1,0,0,table,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm,l_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010,hip_left,1,rotation,1,1,0,0,0,table,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm,r_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313,hip_right,1,rotation,1,1,0,0,0,table,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107,spine,1,axis_deviation,1,0,1,0,0,table,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509,hip_right,0,,0,0,0,0,0,table,0,,
@ -250,4 +249,4 @@ dataset_hack/НД_для_обучения/Исследования/2.25.87869906
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511,spine,1,artifact,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309,hip_left,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411,hip_right,0,,0,0,0,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,0,1,0,0,table,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,1,0,0,0,table,0,bad,

1 path_to_image file study study_uid image_uid anatomical_region quality_class violation_type quality_from_excel quality_from_filename sources_conflict laterality_mirrored region_ambiguous label_rule filename_fallback filename_marker expert_comment
22 dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.103868781101960771917584077315578649178 1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002 1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508 spine 0 0 0 0 0 0 table 0 сколиоз
23 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202 hip_left 0 0 0 0 0 0 table 0 сколиоз
24 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414 hip_right 0 0 0 0 0 0 table 0 сколиоз
25 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
26 dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.108537195937431169718850276671337677972 1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310 1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213 spine 0 0 0 0 0 0 table 0
27 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.07121414121104070401050315140813 1 unspecified 1 0 0 1 table 1 bad правое бедро эндопротезирования
28 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907 hip_right 0 0 0 0 1 0 table 0 правое бедро эндопротезирования
29 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103 spine 1 artifact 1 1 0 0 0 table 0 bad правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_03_bad.dcm spine_03_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.08101400121500101415120401040211 1 unspecified 1 0 0 1 table 1 bad правое бедро эндопротезирования
30 dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.112621744005021908434051268014787122937 1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100 1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204 spine 0 0 1 1 0 0 table 0 bad сколиоз
31 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304 hip_left 1 rotation 1 0 1 0 0 table 0
32 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305 hip_right 1 rotation 1 0 1 0 0 table 0
42 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504 hip_right 0 0 0 0 0 0 table 0
43 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102 spine 0 0 0 0 0 0 table 0
44 dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.125521310320333648427417313254965624364 1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509 1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312 spine 1 positioning 1 1 0 0 0 table 0 bad
45 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611 hip_left 1 rotation;roi_incorrect 1 0 1 1 0 0 0 table 0 bad
46 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605 hip_right 0 0 0 1 0 1 0 0 table 0 bad
47 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307 spine 0 0 1 1 0 0 table 0 bad
48 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201 hip_left 1 rotation 1 0 1 0 0 table 0 перелом
49 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200 hip_right 1 rotation;roi_incorrect 1 0 1 0 0 table 0 перелом
53 dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.12798473087614376830819854616447908612 1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509 1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801 spine 0 0 0 0 0 0 table 0 эндопротезирования ТБС
54 dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128197189461989832465575162384360009377 1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401 1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113 spine 0 0 0 0 0 0 table 0
55 dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128630285053087246379265602913470285158 1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106 1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513 spine 0 0 0 0 0 0 table 0
56 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801 hip_left 1 rotation 1 0 1 1 0 0 0 table 0 bad
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410 hip_right 1 rotation 1 0 1 0 0 table 0
57 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905 spine 1 positioning 1 1 0 0 0 table 0 bad
58 dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.129239680100193368599713239115902740628 1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406 1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700 hip_right 1 rotation 1 0 1 1 0 table 0
59 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401 hip_left 1 roi_incorrect 1 0 1 1 0 0 0 table 0 bad
60 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702 hip_right 1 roi_incorrect 1 0 1 1 0 0 0 table 0 bad
61 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402 spine 0 0 0 0 0 0 table 0
62 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm l_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014 hip_left 0 0 0 0 0 0 table 0 сколиоз
63 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm r_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104 hip_right 0 0 0 0 0 0 table 0 сколиоз
64 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
65 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802 hip_left 0 0 0 0 0 0 table 0
66 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301 hip_right 0 0 0 0 0 0 table 0
67 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209 spine 0 0 1 1 0 0 table 0 bad
102 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506 hip_left 1 rotation 1 0 1 0 0 table 0
103 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703 hip_right 1 rotation 1 0 1 0 0 table 0
104 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204 spine 0 0 0 0 0 0 table 0
105 dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm spine_01_bad.dcm spine_01.dcm 2.25.158197739569377798130962967413133224194 1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509 1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104 spine 0 0 1 0 1 0 0 0 table 0 bad
106 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315 hip_left 0 0 0 0 0 0 table 0
107 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309 hip_right 0 0 0 0 0 0 table 0
108 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212 spine 1 artifact 1 1 0 0 0 table 0 bad
159 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608 hip_right 1 rotation 1 0 1 0 0 table 0
160 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910 spine 1 axis_deviation 1 0 1 0 0 table 0
161 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802 hip_right 0 0 0 0 1 0 table 0
162 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad
163 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312 hip_left 1 rotation 1 0 1 0 0 table 0
164 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411 hip_right 1 rotation 1 0 1 0 0 table 0
165 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104 spine 0 0 0 0 0 0 table 0
176 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501 hip_left 0 0 0 0 0 0 table 0
177 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115 hip_right 0 0 0 0 0 0 table 0
178 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311 spine 1 axis_deviation;artifact 1 0 1 0 0 table 0
179 dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.269742577365511543488820993979123763373 1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404 1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
180 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303 hip_left 1 rotation 1 0 1 0 0 table 0
181 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406 hip_right 0 0 0 0 0 0 table 0
182 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012 spine 0 0 1 1 0 0 table 0 bad
183 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102 hip_left 0 0 0 0 0 0 table 0 сколиоз
184 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015 hip_right 0 0 0 0 0 0 table 0 сколиоз
185 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006 spine 0 0 1 1 0 0 table 0 bad сколиоз
186 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912 hip_left 1 roi_incorrect 1 0 1 1 0 0 0 table 0 bad
187 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407 hip_right 0 0 0 1 0 1 0 0 table 0 bad
188 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad
189 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311 hip_left 0 0 0 0 0 0 table 0 сколиоз
190 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103 hip_right 0 0 0 0 0 0 table 0 сколиоз
191 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501 spine 0 0 0 0 0 0 table 0 сколиоз
195 dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.306921081709806079165809721263236241032 1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705 1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313 spine 0 0 0 0 0 0 table 0
196 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409 hip_left 0 0 0 0 0 0 table 0
197 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414 hip_right 0 0 0 0 0 0 table 0
198 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad
199 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015 hip_left 0 0 0 0 0 0 table 0
200 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011 hip_right 0 0 0 0 0 0 table 0
201 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514 spine 1 axis_deviation 1 0 1 0 0 table 0
202 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812 hip_left 0 0 0 0 0 0 table 0
203 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001 hip_right 0 0 0 0 0 0 table 0
204 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210 spine 0 0 0 0 0 0 table 0
205 dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.322202456901330781765399791024580391565 1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105 1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711 spine 0 0 0 1 0 1 0 0 table 0 bad сколиоз
206 dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.338439598607961312040815816824093323492 1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912 1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310 spine 1 artifact 1 1 0 0 0 table 0 bad сколиоз
207 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506 hip_left 0 0 0 0 0 0 table 0 сколиоз
208 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600 hip_right 0 0 0 0 0 0 table 0 сколиоз
218 dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.39068163399801173920284179500049527111 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212 spine 1 axis_deviation;artifact 1 0 1 0 0 table 0
219 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm l_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501 hip_left 1 rotation 1 0 1 0 0 table 0 Требует внимание
220 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm r_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108 hip_right 1 rotation 1 0 1 0 0 table 0 Требует внимание
221 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003 spine 1 artifact 1 0 1 1 0 0 0 table 0 bad Требует внимание
222 dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.52532476139575422857225834315571570912 1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509 1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110 spine 1 unspecified 1 1 0 0 0 table 0 bad Сколиоз, не верня разметка
223 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701 hip_left 0 0 0 0 0 0 table 0 L6, люмбализация
224 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509 hip_right 0 0 0 0 0 0 table 0 L6, люмбализация
231 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802 hip_left 1 rotation 1 0 1 0 0 table 0
232 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01_bad.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411 hip_right 1 rotation 1 1 0 0 0 table 0 bad
233 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000 spine 0 0 0 0 0 0 table 0
234 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm l_hip_01.dcm l_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201 1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010 hip_left 1 rotation 1 0 1 1 0 0 0 table 0 bad Отклонение оси, нет малых вертелов
235 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm r_hip_01.dcm r_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907 1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313 hip_right 1 rotation 1 0 1 1 0 0 0 table 0 bad Отклонение оси, нет малых вертелов
236 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107 spine 1 axis_deviation 1 0 1 0 0 table 0 Отклонение оси, нет малых вертелов
237 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611 hip_left 0 0 0 0 0 0 table 0
238 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509 hip_right 0 0 0 0 0 0 table 0
249 dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.87869906212286587478854831452123526595 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511 spine 1 artifact 1 0 1 0 0 table 0
250 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309 hip_left 0 0 0 0 0 0 table 0
251 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411 hip_right 0 0 0 0 0 0 table 0
252 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701 spine 1 positioning 1 0 1 1 0 0 0 table 0 bad

BIN
labels/labels_images_table.xlsx
View File

Binary file not shown.

505
labels/labels_images_union.csv
View File

@ -1,253 +1,252 @@
path_to_image,file,study,study_uid,image_uid,anatomical_region,quality_class,violation_type,quality_from_excel,quality_from_filename,sources_conflict,laterality_mirrored,region_ambiguous,filename_marker,expert_comment
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/l_hip_01_good.dcm,l_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403090444,1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304,1.2.643.5.1.13.13.12.2.77.8252.03030811151201151502050615010000,hip_left,1,rotation,1,0,1,0,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/r_hip_01_good.dcm,r_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403090444,1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304,1.2.643.5.1.13.13.12.2.77.8252.06000812101106141213041404150112,hip_right,0,,0,0,0,0,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/spine_01_good.dcm,spine_01_good.dcm,1.2.840.113619.2.110.512719.20250403090444,1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304,1.2.643.5.1.13.13.12.2.77.8252.14031015091008031013040205110915,spine,0,,0,0,0,0,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/l_hip_01_good.dcm,l_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403092052,1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114,1.2.643.5.1.13.13.12.2.77.8252.06140010030611061314081200121305,hip_left,0,,0,0,0,0,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/r_hip_01_good.dcm,r_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403092052,1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114,1.2.643.5.1.13.13.12.2.77.8252.09040712010609120601031410140610,hip_right,0,,0,0,0,0,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/spine_01_good.dcm,spine_01_good.dcm,1.2.840.113619.2.110.512719.20250403092052,1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114,1.2.643.5.1.13.13.12.2.77.8252.09050515110402090102050206010406,spine,0,,0,0,0,0,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,1.2.840.113619.2.110.512719.20250407113211,1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100,1.2.643.5.1.13.13.12.2.77.8252.10011302120900111505101501141402,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,1.2.840.113619.2.110.512719.20250407113211,1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100,1.2.643.5.1.13.13.12.2.77.8252.07140808121311040315101301051200,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,1.2.840.113619.2.110.512719.20250407113211,1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100,1.2.643.5.1.13.13.12.2.77.8252.13101207101114060008151413130115,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.10245777060263212829333021434108890537,1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915,1.2.643.5.1.13.13.12.2.77.8252.07000215121313030213041009101409,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.10245777060263212829333021434108890537,1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915,1.2.643.5.1.13.13.12.2.77.8252.03081500040505121009070211080902,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.10245777060263212829333021434108890537,1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915,1.2.643.5.1.13.13.12.2.77.8252.14131410040814100713070401091213,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.102755089973625799055786462646268820450,1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412,1.2.643.5.1.13.13.12.2.77.8252.10100907120107030904131503081506,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.102755089973625799055786462646268820450,1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412,1.2.643.5.1.13.13.12.2.77.8252.01140903011212140408111315130511,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.102755089973625799055786462646268820450,1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412,1.2.643.5.1.13.13.12.2.77.8252.10030113050111051002020402141304,spine,1,axis_deviation,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.102965897799404973225419898683246248872,1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007,1.2.643.5.1.13.13.12.2.77.8252.06050309100102041203101101110913,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.102965897799404973225419898683246248872,1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007,1.2.643.5.1.13.13.12.2.77.8252.10140807011010031112140700150015,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.102965897799404973225419898683246248872,1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007,1.2.643.5.1.13.13.12.2.77.8252.11011413051206050400150606100110,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.12051209130410130502141403101414,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.15031208100010080909150509041308,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.108537195937431169718850276671337677972,1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310,1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907,hip_right,0,,0,0,0,1,0,,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103,spine,1,artifact,1,1,0,0,0,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_03_bad.dcm,spine_03_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.08101400121500101415120401040211,,1,unspecified,,1,0,0,1,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.112621744005021908434051268014787122937,1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100,1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204,spine,1,unspecified,0,1,1,0,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.10001500010311100907131007040004,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.116822802042655971810859435524105064465,1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312,1.2.643.5.1.13.13.12.2.77.8252.13011301091003020814061203020304,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.116822802042655971810859435524105064465,1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312,1.2.643.5.1.13.13.12.2.77.8252.01010713081306120510130101121412,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.116822802042655971810859435524105064465,1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312,1.2.643.5.1.13.13.12.2.77.8252.05150512091506110304120408070606,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.122446767306607067205618235949445789306,1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011,1.2.643.5.1.13.13.12.2.77.8252.02101009080308000015051512140806,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.122446767306607067205618235949445789306,1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011,1.2.643.5.1.13.13.12.2.77.8252.02091106060004131215091000000909,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.122446767306607067205618235949445789306,1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011,1.2.643.5.1.13.13.12.2.77.8252.15060100040008041103060904131005,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.123175695355749859846173904788591707879/series_001_2_CR/A250722449 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.123175695355749859846173904788591707879,1.2.643.5.1.13.13.12.2.77.8252.11130601031507131510140912150209,1.2.643.5.1.13.13.12.2.77.8252.12031311070507060813050800031313,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.10081312010805021201100507060411,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.125521310320333648427417313254965624364,1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509,1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312,spine,1,positioning,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201,hip_left,1,rotation,1,0,1,0,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200,hip_right,1,rotation;roi_incorrect,1,0,1,0,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.13130511100900071404010502130909,spine,1,axis_deviation,1,1,0,0,0,bad,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07050602130910101513020700010509,hip_left,1,unspecified,,1,0,0,0,bad,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.02011409120209130807021302101100,hip_right,1,unspecified,,1,0,0,0,bad,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801,spine,0,,0,0,0,0,0,,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128197189461989832465575162384360009377,1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401,1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128630285053087246379265602913470285158,1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106,1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905,spine,1,positioning,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.129239680100193368599713239115902740628,1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406,1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700,hip_right,1,rotation,1,0,1,1,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13325817932854000792938662637654885530,1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113,1.2.643.5.1.13.13.12.2.77.8252.11020707081006150000011408140609,hip_left,1,roi_incorrect,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13325817932854000792938662637654885530,1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113,1.2.643.5.1.13.13.12.2.77.8252.04080409110008071309041404000111,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13325817932854000792938662637654885530,1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113,1.2.643.5.1.13.13.12.2.77.8252.02090003020511130407030106110206,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.134456506307367483341018281460841912845,1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003,1.2.643.5.1.13.13.12.2.77.8252.14121200111500000012151207021305,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.134456506307367483341018281460841912845,1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003,1.2.643.5.1.13.13.12.2.77.8252.04040803080402061202041005000304,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.134456506307367483341018281460841912845,1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003,1.2.643.5.1.13.13.12.2.77.8252.13090607110001000310151006050113,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.135241889065705954191821710363605596815,1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209,1.2.643.5.1.13.13.12.2.77.8252.04060811050000140014040410080212,hip_right,0,,0,0,0,1,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.135241889065705954191821710363605596815,1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209,1.2.643.5.1.13.13.12.2.77.8252.12060607091105150404131215110908,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13566237352084812982996047541944701548/series_002_2_CR/A2504268931 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13566237352084812982996047541944701548,1.2.643.5.1.13.13.12.2.77.8252.02110607061101140709130908071405,1.2.643.5.1.13.13.12.2.77.8252.09030712140506070904071003000708,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.137344827330550141320158285144101816664,1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103,1.2.643.5.1.13.13.12.2.77.8252.03131510081105080011060404010511,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.137344827330550141320158285144101816664,1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103,1.2.643.5.1.13.13.12.2.77.8252.14140312010015010504081306061203,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.137344827330550141320158285144101816664,1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103,1.2.643.5.1.13.13.12.2.77.8252.02050314081501100100131400110412,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137675513852774974135210999345676405116/series_001_2_CR/A2504106597 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.137675513852774974135210999345676405116,1.2.643.5.1.13.13.12.2.77.8252.00091501080806120506120114090107,1.2.643.5.1.13.13.12.2.77.8252.05060902130204131205041207051405,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13983650679559142983913935144968795415,1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901,1.2.643.5.1.13.13.12.2.77.8252.02030711120805150008090200030710,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13983650679559142983913935144968795415,1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901,1.2.643.5.1.13.13.12.2.77.8252.05100908130706051511060907050202,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13983650679559142983913935144968795415,1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901,1.2.643.5.1.13.13.12.2.77.8252.01100509051301061200120505020711,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.144941557565802351596730914409170713112,1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604,1.2.643.5.1.13.13.12.2.77.8252.14070202101304120203120502100808,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.144941557565802351596730914409170713112,1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604,1.2.643.5.1.13.13.12.2.77.8252.01100715050305071000110707040014,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.144941557565802351596730914409170713112,1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604,1.2.643.5.1.13.13.12.2.77.8252.14021109030605071205090308080911,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.145848300160680194368420189079847088556,1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111,1.2.643.5.1.13.13.12.2.77.8252.06130104100900080002100912090901,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.145848300160680194368420189079847088556,1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111,1.2.643.5.1.13.13.12.2.77.8252.09091111090903031309150614110215,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.145848300160680194368420189079847088556,1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111,1.2.643.5.1.13.13.12.2.77.8252.07040802010906150312000007110303,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.151186844055172005615813066162721550889,1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208,1.2.643.5.1.13.13.12.2.77.8252.07071507091013150605060411110414,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.151186844055172005615813066162721550889,1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208,1.2.643.5.1.13.13.12.2.77.8252.06120514140811101106020900110711,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.151186844055172005615813066162721550889,1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208,1.2.643.5.1.13.13.12.2.77.8252.07051313070907070603030815070904,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.156021661584944120526934974594604520993,1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303,1.2.643.5.1.13.13.12.2.77.8252.12020806150405080200131300151004,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.156021661584944120526934974594604520993,1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303,1.2.643.5.1.13.13.12.2.77.8252.09091502110711081102050610090100,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.156021661584944120526934974594604520993,1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303,1.2.643.5.1.13.13.12.2.77.8252.09130714090405151215050914040809,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.156375884487675936513403083218009333856,1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501,1.2.643.5.1.13.13.12.2.77.8252.00010208150107110206110212130810,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.156375884487675936513403083218009333856,1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501,1.2.643.5.1.13.13.12.2.77.8252.04001402031200081204010009090110,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.156375884487675936513403083218009333856,1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501,1.2.643.5.1.13.13.12.2.77.8252.07090311111312140315080706100515,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.156389075510671877606923458507011517218,1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612,1.2.643.5.1.13.13.12.2.77.8252.12101514000107101207120412120213,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.156389075510671877606923458507011517218,1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612,1.2.643.5.1.13.13.12.2.77.8252.05051100060005040907000403081502,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.156389075510671877606923458507011517218,1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612,1.2.643.5.1.13.13.12.2.77.8252.10040508121311001415130412050515,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212,spine,1,artifact,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.159930383074323525630608416881201447861/series_002_2_CR/A2507139428 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.159930383074323525630608416881201447861,1.2.643.5.1.13.13.12.2.77.8252.05080007010908151412021401130712,1.2.643.5.1.13.13.12.2.77.8252.03050413050004110015050414021412,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.164566280810634620154538016595892212884,1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607,1.2.643.5.1.13.13.12.2.77.8252.05080909100510090906081209130901,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.164566280810634620154538016595892212884,1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607,1.2.643.5.1.13.13.12.2.77.8252.00071210060602011311010906021407,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.164566280810634620154538016595892212884,1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607,1.2.643.5.1.13.13.12.2.77.8252.02030112081401101404040904010405,spine,1,positioning,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.165091430504580219034019815337441064349,1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708,1.2.643.5.1.13.13.12.2.77.8252.14100208080000030010140812001111,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.165091430504580219034019815337441064349,1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708,1.2.643.5.1.13.13.12.2.77.8252.12140710150813060013011403140807,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.165091430504580219034019815337441064349,1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708,1.2.643.5.1.13.13.12.2.77.8252.01120104060301100213100004141203,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.165355673991587715046346525964554729786,1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600,1.2.643.5.1.13.13.12.2.77.8252.03030806061309020808141008071213,hip_right,0,,0,0,0,1,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.165355673991587715046346525964554729786,1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600,1.2.643.5.1.13.13.12.2.77.8252.05130006080703150808130311150104,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.167344201679287285499405412654740659745,1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800,1.2.643.5.1.13.13.12.2.77.8252.05050004021105041108010100020012,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.167344201679287285499405412654740659745,1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800,1.2.643.5.1.13.13.12.2.77.8252.03020203090713120707041512070302,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.167344201679287285499405412654740659745,1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800,1.2.643.5.1.13.13.12.2.77.8252.06020510071406141308051102110806,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.16773626720107440979805052259711419763,1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813,1.2.643.5.1.13.13.12.2.77.8252.15000110101510080415120006131402,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.16773626720107440979805052259711419763,1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813,1.2.643.5.1.13.13.12.2.77.8252.13040605040810031203041510031012,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.16773626720107440979805052259711419763,1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813,1.2.643.5.1.13.13.12.2.77.8252.09031014151115011007041507060209,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.168317503020329569414190677927680518621,1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506,1.2.643.5.1.13.13.12.2.77.8252.03110002011112060400010906040109,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.168317503020329569414190677927680518621,1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506,1.2.643.5.1.13.13.12.2.77.8252.10050700041001040614050614130103,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.168317503020329569414190677927680518621,1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506,1.2.643.5.1.13.13.12.2.77.8252.08150001020008051511060800070004,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.169242707068684757906797344800977707240/series_003_2_CR/A2507185832 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.169242707068684757906797344800977707240,1.2.643.5.1.13.13.12.2.77.8252.11130805080112021004150213051005,1.2.643.5.1.13.13.12.2.77.8252.03020907090204060013031106111312,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.172445998420765569384934552191547932566,1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512,1.2.643.5.1.13.13.12.2.77.8252.05030907080814020708000711150507,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.172445998420765569384934552191547932566,1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512,1.2.643.5.1.13.13.12.2.77.8252.15151313120000020410110702050700,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.172445998420765569384934552191547932566,1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512,1.2.643.5.1.13.13.12.2.77.8252.08131412000401011215150704040610,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.173731186748227489808861376513577450951,1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307,1.2.643.5.1.13.13.12.2.77.8252.04070212140009090002060410031413,hip_right,0,,0,0,0,1,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.173731186748227489808861376513577450951,1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307,1.2.643.5.1.13.13.12.2.77.8252.01091510011014070612050311031410,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.173753313169335820519632380691065649420,1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807,1.2.643.5.1.13.13.12.2.77.8252.10100404000008120405081411021306,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.173753313169335820519632380691065649420,1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807,1.2.643.5.1.13.13.12.2.77.8252.04111300031205120703050100121209,hip_right,1,roi_incorrect,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.173753313169335820519632380691065649420,1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807,1.2.643.5.1.13.13.12.2.77.8252.13001014110608151112110112061114,spine,1,axis_deviation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.175881661753775295785039265792986971602,1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014,1.2.643.5.1.13.13.12.2.77.8252.06070803110509120507010310141201,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.175881661753775295785039265792986971602,1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014,1.2.643.5.1.13.13.12.2.77.8252.10000603030913050503020611051415,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.175881661753775295785039265792986971602,1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014,1.2.643.5.1.13.13.12.2.77.8252.14060403060314010506081209070311,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.175903805423871105435148927871625232853,1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312,1.2.643.5.1.13.13.12.2.77.8252.13151105000600070510031109011109,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/r_hip_02.dcm,r_hip_02.dcm,2.25.175903805423871105435148927871625232853,1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312,1.2.643.5.1.13.13.12.2.77.8252.15100208060002090813060606131404,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.175903805423871105435148927871625232853,1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312,1.2.643.5.1.13.13.12.2.77.8252.12071204070300150506091512141413,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.17706555930735581384953296958427669848,1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205,1.2.643.5.1.13.13.12.2.77.8252.08081313070715151208110603030015,hip_left,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.17706555930735581384953296958427669848,1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205,1.2.643.5.1.13.13.12.2.77.8252.11051514070611150905020505061111,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.17706555930735581384953296958427669848,1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205,1.2.643.5.1.13.13.12.2.77.8252.03050114141207061001080502130215,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.177745077805190810016231350557005569203,1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911,1.2.643.5.1.13.13.12.2.77.8252.06130700140211110505051411010711,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.177745077805190810016231350557005569203,1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911,1.2.643.5.1.13.13.12.2.77.8252.04150214121314031409051312111410,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.177745077805190810016231350557005569203,1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911,1.2.643.5.1.13.13.12.2.77.8252.03031110041309110901030612131412,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.178533355209696795441380751187185128893/series_003_2_CR/A2507155452 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.178533355209696795441380751187185128893,1.2.643.5.1.13.13.12.2.77.8252.05000609021402010711070801100904,1.2.643.5.1.13.13.12.2.77.8252.14110604050810020100071004090404,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.181196659018348153828200695057897449628,1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305,1.2.643.5.1.13.13.12.2.77.8252.07040306041313130904140702020908,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.181196659018348153828200695057897449628,1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305,1.2.643.5.1.13.13.12.2.77.8252.14150808010700150501131415040808,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.181196659018348153828200695057897449628,1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305,1.2.643.5.1.13.13.12.2.77.8252.08141015091400020302110912090508,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.184198356665635336833172191504278054074,1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214,1.2.643.5.1.13.13.12.2.77.8252.02150805140008141106110606070801,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.184198356665635336833172191504278054074,1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214,1.2.643.5.1.13.13.12.2.77.8252.11141409010404080202090702050104,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.184198356665635336833172191504278054074,1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214,1.2.643.5.1.13.13.12.2.77.8252.04151306060901060605121400081206,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.186201010600484120326273381077449377115,1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000,1.2.643.5.1.13.13.12.2.77.8252.00091315091215060415120908060402,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.186201010600484120326273381077449377115,1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000,1.2.643.5.1.13.13.12.2.77.8252.01110601131107041511021510061211,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.186201010600484120326273381077449377115,1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000,1.2.643.5.1.13.13.12.2.77.8252.07140512060315100814061103061308,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.03000010070307110614031003090302,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910,spine,1,axis_deviation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802,hip_right,0,,0,0,0,1,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.217397325224876728316360420804118329081,1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812,1.2.643.5.1.13.13.12.2.77.8252.10000400041408060608031009090710,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.217397325224876728316360420804118329081,1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812,1.2.643.5.1.13.13.12.2.77.8252.02091115080411030312040600000701,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.217397325224876728316360420804118329081,1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812,1.2.643.5.1.13.13.12.2.77.8252.04131001000110131311121304090609,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.220866240977467582196609708837940253840/series_001_2_CR/A2504258893 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.220866240977467582196609708837940253840,1.2.643.5.1.13.13.12.2.77.8252.04071115100300090601031200020808,1.2.643.5.1.13.13.12.2.77.8252.03010603150012061509030005111300,spine,1,axis_deviation,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.234651502352368356456298825489565282446,1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510,1.2.643.5.1.13.13.12.2.77.8252.02051208030605070510050510081213,hip_left,1,rotation,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.234651502352368356456298825489565282446,1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510,1.2.643.5.1.13.13.12.2.77.8252.09140613011500120102030800080807,hip_right,1,rotation,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.234651502352368356456298825489565282446,1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510,1.2.643.5.1.13.13.12.2.77.8252.09031307051100020212010511060414,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.247714038039430659432048101646401574824,1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100,1.2.643.5.1.13.13.12.2.77.8252.13110800060502010303101404091303,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.247714038039430659432048101646401574824,1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100,1.2.643.5.1.13.13.12.2.77.8252.06051510010614000404080600020603,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.247714038039430659432048101646401574824,1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100,1.2.643.5.1.13.13.12.2.77.8252.06030210110500061108030910090908,spine,1,artifact,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311,spine,1,axis_deviation;artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006,spine,1,unspecified,0,1,1,0,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.29638026465755240167985424461715024381,1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701,1.2.643.5.1.13.13.12.2.77.8252.09040806151211060704090912150608,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.29638026465755240167985424461715024381,1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701,1.2.643.5.1.13.13.12.2.77.8252.12090901030412121214030908040015,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.29638026465755240167985424461715024381,1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701,1.2.643.5.1.13.13.12.2.77.8252.12021011000615031102060001101203,spine,1,positioning,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.306921081709806079165809721263236241032,1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705,1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514,spine,1,axis_deviation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.338439598607961312040815816824093323492,1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912,1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310,spine,1,artifact,1,1,0,0,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506,hip_left,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600,hip_right,0,,0,0,0,0,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.04091012040015061107090014081504,spine,1,unspecified,1,1,0,0,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.340839477910528898406207279980417945,1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303,1.2.643.5.1.13.13.12.2.77.8252.05030701101012140702110704000714,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.340839477910528898406207279980417945,1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303,1.2.643.5.1.13.13.12.2.77.8252.14120712151005010200040708001308,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.340839477910528898406207279980417945,1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303,1.2.643.5.1.13.13.12.2.77.8252.12111312010203070900101115051015,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.37515662379281069436632838996073181551,1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308,1.2.643.5.1.13.13.12.2.77.8252.08110803070615141513021414111001,hip_left,0,,0,0,0,0,0,,Хороший пример отклонения оси при КТ п-ка
dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.37515662379281069436632838996073181551,1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308,1.2.643.5.1.13.13.12.2.77.8252.12090208061115110101131315120813,hip_right,0,,0,0,0,0,0,,Хороший пример отклонения оси при КТ п-ка
dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.37515662379281069436632838996073181551,1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308,1.2.643.5.1.13.13.12.2.77.8252.05001409080504151204111500000514,spine,1,axis_deviation,1,1,0,0,0,bad,Хороший пример отклонения оси при КТ п-ка
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.00030605020706130003080307080701,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.07150610130411050211021514011106,hip_right,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212,spine,1,axis_deviation;artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501,hip_left,1,rotation,1,0,1,0,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108,hip_right,1,rotation,1,0,1,0,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,0,1,0,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.52532476139575422857225834315571570912,1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509,1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110,spine,1,unspecified,1,1,0,0,0,bad,"Сколиоз, не верня разметка"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701,hip_left,0,,0,0,0,0,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509,hip_right,0,,0,0,0,0,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.02030504060005060505040905021305,spine,1,positioning,1,0,1,0,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.54396839637320114639948764487283877793/series_003_2_CR/A2504111090 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.54396839637320114639948764487283877793,1.2.643.5.1.13.13.12.2.77.8252.15041203090015060404010507050405,1.2.643.5.1.13.13.12.2.77.8252.02060605151213121009151302130207,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.59542620917302828428419211045951914336/series_001_2_CR/A2504303391 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.59542620917302828428419211045951914336,1.2.643.5.1.13.13.12.2.77.8252.13101512050003031109001004060403,1.2.643.5.1.13.13.12.2.77.8252.07101010011513020401030213080905,spine,1,artifact,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.65954778282254353457041255543338557112,1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405,1.2.643.5.1.13.13.12.2.77.8252.11130315030911081202140406010814,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.65954778282254353457041255543338557112,1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405,1.2.643.5.1.13.13.12.2.77.8252.10000615050107010300151404090301,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.65954778282254353457041255543338557112,1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405,1.2.643.5.1.13.13.12.2.77.8252.05111111030105140803060510040613,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802,hip_left,1,rotation,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411,hip_right,1,rotation,1,1,0,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201,hip_left,1,rotation,1,0,1,0,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907,hip_right,1,rotation,1,0,1,0,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107,spine,1,axis_deviation,1,0,1,0,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.06151311061015011100110511080701,spine,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.78999454687125053757525542837745968726,1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404,1.2.643.5.1.13.13.12.2.77.8252.07150713040501120002001009141410,hip_left,1,rotation,1,0,1,0,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.78999454687125053757525542837745968726,1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404,1.2.643.5.1.13.13.12.2.77.8252.05120913001500151408091003040415,hip_right,1,rotation,1,0,1,0,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.78999454687125053757525542837745968726,1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404,1.2.643.5.1.13.13.12.2.77.8252.11011500050713141305050211140308,spine,0,,0,0,0,0,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.82912555346523716720160717883917565880,1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205,1.2.643.5.1.13.13.12.2.77.8252.13130903011502030304101506090814,hip_left,0,,0,0,0,0,0,,Хороший пример ротации
dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.82912555346523716720160717883917565880,1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205,1.2.643.5.1.13.13.12.2.77.8252.15121403061107000609060400100413,hip_right,1,rotation,1,0,1,0,0,,Хороший пример ротации
dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.82912555346523716720160717883917565880,1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205,1.2.643.5.1.13.13.12.2.77.8252.15001111061311011106030303001309,spine,0,,0,0,0,0,0,,Хороший пример ротации
dataset_hack/НД_для_обучения/Исследования/2.25.87718478011637131470224319788530286374/series_002_2_CR/A2504337993 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.87718478011637131470224319788530286374,1.2.643.5.1.13.13.12.2.77.8252.07060506150205030514061006111408,1.2.643.5.1.13.13.12.2.77.8252.10041006131411151513070104110809,spine,1,unspecified,0,1,1,0,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.15101115041306031303150405131115,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.06111209081313111015020309051508,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511,spine,1,artifact,1,0,1,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309,hip_left,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411,hip_right,0,,0,0,0,0,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,0,1,0,0,,
path_to_image,file,study,study_uid,image_uid,anatomical_region,quality_class,violation_type,quality_from_excel,quality_from_filename,sources_conflict,laterality_mirrored,region_ambiguous,label_rule,filename_fallback,filename_marker,expert_comment
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/l_hip_01_good.dcm,l_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403090444,1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304,1.2.643.5.1.13.13.12.2.77.8252.03030811151201151502050615010000,hip_left,1,rotation,1,0,1,0,0,union,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/r_hip_01_good.dcm,r_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403090444,1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304,1.2.643.5.1.13.13.12.2.77.8252.06000812101106141213041404150112,hip_right,0,,0,0,0,0,0,union,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/spine_01_good.dcm,spine_01_good.dcm,1.2.840.113619.2.110.512719.20250403090444,1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304,1.2.643.5.1.13.13.12.2.77.8252.14031015091008031013040205110915,spine,0,,0,0,0,0,0,union,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/l_hip_01_good.dcm,l_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403092052,1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114,1.2.643.5.1.13.13.12.2.77.8252.06140010030611061314081200121305,hip_left,0,,0,0,0,0,0,union,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/r_hip_01_good.dcm,r_hip_01_good.dcm,1.2.840.113619.2.110.512719.20250403092052,1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114,1.2.643.5.1.13.13.12.2.77.8252.09040712010609120601031410140610,hip_right,0,,0,0,0,0,0,union,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/spine_01_good.dcm,spine_01_good.dcm,1.2.840.113619.2.110.512719.20250403092052,1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114,1.2.643.5.1.13.13.12.2.77.8252.09050515110402090102050206010406,spine,0,,0,0,0,0,0,union,0,good,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,1.2.840.113619.2.110.512719.20250407113211,1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100,1.2.643.5.1.13.13.12.2.77.8252.10011302120900111505101501141402,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,1.2.840.113619.2.110.512719.20250407113211,1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100,1.2.643.5.1.13.13.12.2.77.8252.07140808121311040315101301051200,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,1.2.840.113619.2.110.512719.20250407113211,1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100,1.2.643.5.1.13.13.12.2.77.8252.13101207101114060008151413130115,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.10245777060263212829333021434108890537,1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915,1.2.643.5.1.13.13.12.2.77.8252.07000215121313030213041009101409,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.10245777060263212829333021434108890537,1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915,1.2.643.5.1.13.13.12.2.77.8252.03081500040505121009070211080902,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.10245777060263212829333021434108890537,1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915,1.2.643.5.1.13.13.12.2.77.8252.14131410040814100713070401091213,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.102755089973625799055786462646268820450,1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412,1.2.643.5.1.13.13.12.2.77.8252.10100907120107030904131503081506,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.102755089973625799055786462646268820450,1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412,1.2.643.5.1.13.13.12.2.77.8252.01140903011212140408111315130511,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.102755089973625799055786462646268820450,1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412,1.2.643.5.1.13.13.12.2.77.8252.10030113050111051002020402141304,spine,1,axis_deviation,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.102965897799404973225419898683246248872,1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007,1.2.643.5.1.13.13.12.2.77.8252.06050309100102041203101101110913,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.102965897799404973225419898683246248872,1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007,1.2.643.5.1.13.13.12.2.77.8252.10140807011010031112140700150015,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.102965897799404973225419898683246248872,1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007,1.2.643.5.1.13.13.12.2.77.8252.11011413051206050400150606100110,spine,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.12051209130410130502141403101414,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.15031208100010080909150509041308,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.103868781101960771917584077315578649178,1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002,1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508,spine,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.105033841136787477881326326053319223817,1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503,1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104,spine,1,unspecified,0,1,1,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.108537195937431169718850276671337677972,1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310,1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.07121414121104070401050315140813,,1,unspecified,,1,0,0,1,union,1,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907,hip_right,0,,0,0,0,1,0,union,0,,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.11175860580562939441493697221497597640,1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906,1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103,spine,1,artifact,1,1,0,0,0,union,0,bad,правое бедро эндопротезирования
dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.112621744005021908434051268014787122937,1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100,1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204,spine,1,unspecified,0,1,1,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.114887542067602662452692698814728642117,1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113,1.2.643.5.1.13.13.12.2.77.8252.10001500010311100907131007040004,spine,1,artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.116822802042655971810859435524105064465,1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312,1.2.643.5.1.13.13.12.2.77.8252.13011301091003020814061203020304,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.116822802042655971810859435524105064465,1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312,1.2.643.5.1.13.13.12.2.77.8252.01010713081306120510130101121412,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.116822802042655971810859435524105064465,1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312,1.2.643.5.1.13.13.12.2.77.8252.05150512091506110304120408070606,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.122446767306607067205618235949445789306,1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011,1.2.643.5.1.13.13.12.2.77.8252.02101009080308000015051512140806,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.122446767306607067205618235949445789306,1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011,1.2.643.5.1.13.13.12.2.77.8252.02091106060004131215091000000909,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.122446767306607067205618235949445789306,1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011,1.2.643.5.1.13.13.12.2.77.8252.15060100040008041103060904131005,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.123175695355749859846173904788591707879/series_001_2_CR/A250722449 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.123175695355749859846173904788591707879,1.2.643.5.1.13.13.12.2.77.8252.11130601031507131510140912150209,1.2.643.5.1.13.13.12.2.77.8252.12031311070507060813050800031313,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.10081312010805021201100507060411,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.124890633326693921702195356152595253940,1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500,1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.125521310320333648427417313254965624364,1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509,1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312,spine,1,positioning,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611,hip_left,1,rotation;roi_incorrect,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605,hip_right,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.126293418391331346694592071563510265596,1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515,1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201,hip_left,1,rotation,1,0,1,0,0,union,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200,hip_right,1,rotation;roi_incorrect,1,0,1,0,0,union,0,,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.127126130998341190348103034690069487890,1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211,1.2.643.5.1.13.13.12.2.77.8252.13130511100900071404010502130909,spine,1,axis_deviation,1,1,0,0,0,union,0,bad,перелом
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07050602130910101513020700010509,hip_left,1,unspecified,,1,0,0,0,union,1,bad,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.02011409120209130807021302101100,hip_right,1,unspecified,,1,0,0,0,union,1,bad,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.12798473087614376830819854616447908612,1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509,1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801,spine,0,,0,0,0,0,0,union,0,,эндопротезирования ТБС
dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128197189461989832465575162384360009377,1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401,1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.128630285053087246379265602913470285158,1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106,1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801,hip_left,1,rotation,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.128990540359421489042453547244535073735,1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800,1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905,spine,1,positioning,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.129239680100193368599713239115902740628,1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406,1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700,hip_right,1,rotation,1,0,1,1,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401,hip_left,1,roi_incorrect,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702,hip_right,1,roi_incorrect,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13069823278093578548407087310307113784,1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015,1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132083163398091874662674590622589534350,1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412,1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115,spine,1,unspecified,0,1,1,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.132272637351979990811754009849547633391,1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206,1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13325817932854000792938662637654885530,1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113,1.2.643.5.1.13.13.12.2.77.8252.11020707081006150000011408140609,hip_left,1,roi_incorrect,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13325817932854000792938662637654885530,1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113,1.2.643.5.1.13.13.12.2.77.8252.04080409110008071309041404000111,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13325817932854000792938662637654885530,1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113,1.2.643.5.1.13.13.12.2.77.8252.02090003020511130407030106110206,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.134456506307367483341018281460841912845,1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003,1.2.643.5.1.13.13.12.2.77.8252.14121200111500000012151207021305,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.134456506307367483341018281460841912845,1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003,1.2.643.5.1.13.13.12.2.77.8252.04040803080402061202041005000304,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.134456506307367483341018281460841912845,1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003,1.2.643.5.1.13.13.12.2.77.8252.13090607110001000310151006050113,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.135241889065705954191821710363605596815,1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209,1.2.643.5.1.13.13.12.2.77.8252.04060811050000140014040410080212,hip_right,0,,0,0,0,1,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.135241889065705954191821710363605596815,1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209,1.2.643.5.1.13.13.12.2.77.8252.12060607091105150404131215110908,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13566237352084812982996047541944701548/series_002_2_CR/A2504268931 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13566237352084812982996047541944701548,1.2.643.5.1.13.13.12.2.77.8252.02110607061101140709130908071405,1.2.643.5.1.13.13.12.2.77.8252.09030712140506070904071003000708,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.137344827330550141320158285144101816664,1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103,1.2.643.5.1.13.13.12.2.77.8252.03131510081105080011060404010511,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.137344827330550141320158285144101816664,1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103,1.2.643.5.1.13.13.12.2.77.8252.14140312010015010504081306061203,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.137344827330550141320158285144101816664,1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103,1.2.643.5.1.13.13.12.2.77.8252.02050314081501100100131400110412,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.137675513852774974135210999345676405116/series_001_2_CR/A2504106597 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.137675513852774974135210999345676405116,1.2.643.5.1.13.13.12.2.77.8252.00091501080806120506120114090107,1.2.643.5.1.13.13.12.2.77.8252.05060902130204131205041207051405,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.13983650679559142983913935144968795415,1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901,1.2.643.5.1.13.13.12.2.77.8252.02030711120805150008090200030710,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.13983650679559142983913935144968795415,1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901,1.2.643.5.1.13.13.12.2.77.8252.05100908130706051511060907050202,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.13983650679559142983913935144968795415,1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901,1.2.643.5.1.13.13.12.2.77.8252.01100509051301061200120505020711,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.144941557565802351596730914409170713112,1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604,1.2.643.5.1.13.13.12.2.77.8252.14070202101304120203120502100808,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.144941557565802351596730914409170713112,1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604,1.2.643.5.1.13.13.12.2.77.8252.01100715050305071000110707040014,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.144941557565802351596730914409170713112,1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604,1.2.643.5.1.13.13.12.2.77.8252.14021109030605071205090308080911,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.145848300160680194368420189079847088556,1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111,1.2.643.5.1.13.13.12.2.77.8252.06130104100900080002100912090901,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.145848300160680194368420189079847088556,1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111,1.2.643.5.1.13.13.12.2.77.8252.09091111090903031309150614110215,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.145848300160680194368420189079847088556,1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111,1.2.643.5.1.13.13.12.2.77.8252.07040802010906150312000007110303,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.151186844055172005615813066162721550889,1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208,1.2.643.5.1.13.13.12.2.77.8252.07071507091013150605060411110414,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.151186844055172005615813066162721550889,1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208,1.2.643.5.1.13.13.12.2.77.8252.06120514140811101106020900110711,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.151186844055172005615813066162721550889,1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208,1.2.643.5.1.13.13.12.2.77.8252.07051313070907070603030815070904,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.156021661584944120526934974594604520993,1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303,1.2.643.5.1.13.13.12.2.77.8252.12020806150405080200131300151004,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.156021661584944120526934974594604520993,1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303,1.2.643.5.1.13.13.12.2.77.8252.09091502110711081102050610090100,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.156021661584944120526934974594604520993,1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303,1.2.643.5.1.13.13.12.2.77.8252.09130714090405151215050914040809,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.156375884487675936513403083218009333856,1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501,1.2.643.5.1.13.13.12.2.77.8252.00010208150107110206110212130810,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.156375884487675936513403083218009333856,1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501,1.2.643.5.1.13.13.12.2.77.8252.04001402031200081204010009090110,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.156375884487675936513403083218009333856,1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501,1.2.643.5.1.13.13.12.2.77.8252.07090311111312140315080706100515,spine,1,artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.156389075510671877606923458507011517218,1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612,1.2.643.5.1.13.13.12.2.77.8252.12101514000107101207120412120213,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.156389075510671877606923458507011517218,1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612,1.2.643.5.1.13.13.12.2.77.8252.05051100060005040907000403081502,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.156389075510671877606923458507011517218,1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612,1.2.643.5.1.13.13.12.2.77.8252.10040508121311001415130412050515,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.157462338378550185821790046400986801350,1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500,1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.158197739569377798130962967413133224194,1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509,1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.158646777318759504110695916200521633609,1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004,1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212,spine,1,artifact,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.159930383074323525630608416881201447861/series_002_2_CR/A2507139428 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.159930383074323525630608416881201447861,1.2.643.5.1.13.13.12.2.77.8252.05080007010908151412021401130712,1.2.643.5.1.13.13.12.2.77.8252.03050413050004110015050414021412,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.164566280810634620154538016595892212884,1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607,1.2.643.5.1.13.13.12.2.77.8252.05080909100510090906081209130901,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.164566280810634620154538016595892212884,1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607,1.2.643.5.1.13.13.12.2.77.8252.00071210060602011311010906021407,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.164566280810634620154538016595892212884,1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607,1.2.643.5.1.13.13.12.2.77.8252.02030112081401101404040904010405,spine,1,positioning,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.165091430504580219034019815337441064349,1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708,1.2.643.5.1.13.13.12.2.77.8252.14100208080000030010140812001111,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.165091430504580219034019815337441064349,1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708,1.2.643.5.1.13.13.12.2.77.8252.12140710150813060013011403140807,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.165091430504580219034019815337441064349,1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708,1.2.643.5.1.13.13.12.2.77.8252.01120104060301100213100004141203,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.165355673991587715046346525964554729786,1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600,1.2.643.5.1.13.13.12.2.77.8252.03030806061309020808141008071213,hip_right,0,,0,0,0,1,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.165355673991587715046346525964554729786,1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600,1.2.643.5.1.13.13.12.2.77.8252.05130006080703150808130311150104,spine,1,artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.167344201679287285499405412654740659745,1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800,1.2.643.5.1.13.13.12.2.77.8252.05050004021105041108010100020012,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.167344201679287285499405412654740659745,1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800,1.2.643.5.1.13.13.12.2.77.8252.03020203090713120707041512070302,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.167344201679287285499405412654740659745,1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800,1.2.643.5.1.13.13.12.2.77.8252.06020510071406141308051102110806,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.16773626720107440979805052259711419763,1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813,1.2.643.5.1.13.13.12.2.77.8252.15000110101510080415120006131402,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.16773626720107440979805052259711419763,1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813,1.2.643.5.1.13.13.12.2.77.8252.13040605040810031203041510031012,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.16773626720107440979805052259711419763,1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813,1.2.643.5.1.13.13.12.2.77.8252.09031014151115011007041507060209,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.168317503020329569414190677927680518621,1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506,1.2.643.5.1.13.13.12.2.77.8252.03110002011112060400010906040109,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.168317503020329569414190677927680518621,1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506,1.2.643.5.1.13.13.12.2.77.8252.10050700041001040614050614130103,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.168317503020329569414190677927680518621,1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506,1.2.643.5.1.13.13.12.2.77.8252.08150001020008051511060800070004,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.169242707068684757906797344800977707240/series_003_2_CR/A2507185832 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.169242707068684757906797344800977707240,1.2.643.5.1.13.13.12.2.77.8252.11130805080112021004150213051005,1.2.643.5.1.13.13.12.2.77.8252.03020907090204060013031106111312,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.172445998420765569384934552191547932566,1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512,1.2.643.5.1.13.13.12.2.77.8252.05030907080814020708000711150507,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.172445998420765569384934552191547932566,1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512,1.2.643.5.1.13.13.12.2.77.8252.15151313120000020410110702050700,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.172445998420765569384934552191547932566,1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512,1.2.643.5.1.13.13.12.2.77.8252.08131412000401011215150704040610,spine,1,artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.173731186748227489808861376513577450951,1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307,1.2.643.5.1.13.13.12.2.77.8252.04070212140009090002060410031413,hip_right,0,,0,0,0,1,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.173731186748227489808861376513577450951,1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307,1.2.643.5.1.13.13.12.2.77.8252.01091510011014070612050311031410,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.173753313169335820519632380691065649420,1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807,1.2.643.5.1.13.13.12.2.77.8252.10100404000008120405081411021306,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.173753313169335820519632380691065649420,1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807,1.2.643.5.1.13.13.12.2.77.8252.04111300031205120703050100121209,hip_right,1,roi_incorrect,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.173753313169335820519632380691065649420,1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807,1.2.643.5.1.13.13.12.2.77.8252.13001014110608151112110112061114,spine,1,axis_deviation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.175881661753775295785039265792986971602,1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014,1.2.643.5.1.13.13.12.2.77.8252.06070803110509120507010310141201,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.175881661753775295785039265792986971602,1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014,1.2.643.5.1.13.13.12.2.77.8252.10000603030913050503020611051415,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.175881661753775295785039265792986971602,1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014,1.2.643.5.1.13.13.12.2.77.8252.14060403060314010506081209070311,spine,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.175903805423871105435148927871625232853,1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312,1.2.643.5.1.13.13.12.2.77.8252.13151105000600070510031109011109,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/r_hip_02.dcm,r_hip_02.dcm,2.25.175903805423871105435148927871625232853,1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312,1.2.643.5.1.13.13.12.2.77.8252.15100208060002090813060606131404,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.175903805423871105435148927871625232853,1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312,1.2.643.5.1.13.13.12.2.77.8252.12071204070300150506091512141413,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.17706555930735581384953296958427669848,1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205,1.2.643.5.1.13.13.12.2.77.8252.08081313070715151208110603030015,hip_left,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.17706555930735581384953296958427669848,1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205,1.2.643.5.1.13.13.12.2.77.8252.11051514070611150905020505061111,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.17706555930735581384953296958427669848,1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205,1.2.643.5.1.13.13.12.2.77.8252.03050114141207061001080502130215,spine,1,artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.177745077805190810016231350557005569203,1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911,1.2.643.5.1.13.13.12.2.77.8252.06130700140211110505051411010711,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.177745077805190810016231350557005569203,1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911,1.2.643.5.1.13.13.12.2.77.8252.04150214121314031409051312111410,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.177745077805190810016231350557005569203,1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911,1.2.643.5.1.13.13.12.2.77.8252.03031110041309110901030612131412,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.178533355209696795441380751187185128893/series_003_2_CR/A2507155452 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.178533355209696795441380751187185128893,1.2.643.5.1.13.13.12.2.77.8252.05000609021402010711070801100904,1.2.643.5.1.13.13.12.2.77.8252.14110604050810020100071004090404,spine,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.181196659018348153828200695057897449628,1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305,1.2.643.5.1.13.13.12.2.77.8252.07040306041313130904140702020908,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.181196659018348153828200695057897449628,1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305,1.2.643.5.1.13.13.12.2.77.8252.14150808010700150501131415040808,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.181196659018348153828200695057897449628,1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305,1.2.643.5.1.13.13.12.2.77.8252.08141015091400020302110912090508,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.184198356665635336833172191504278054074,1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214,1.2.643.5.1.13.13.12.2.77.8252.02150805140008141106110606070801,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.184198356665635336833172191504278054074,1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214,1.2.643.5.1.13.13.12.2.77.8252.11141409010404080202090702050104,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.184198356665635336833172191504278054074,1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214,1.2.643.5.1.13.13.12.2.77.8252.04151306060901060605121400081206,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.186201010600484120326273381077449377115,1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000,1.2.643.5.1.13.13.12.2.77.8252.00091315091215060415120908060402,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.186201010600484120326273381077449377115,1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000,1.2.643.5.1.13.13.12.2.77.8252.01110601131107041511021510061211,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.186201010600484120326273381077449377115,1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000,1.2.643.5.1.13.13.12.2.77.8252.07140512060315100814061103061308,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.03000010070307110614031003090302,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.190331309633057244929837507901317950031,1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212,1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910,spine,1,axis_deviation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802,hip_right,0,,0,0,0,1,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.190807933410234695931591553323782771995,1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510,1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801,spine,1,artifact,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.215177279960644564778148238928738915103,1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808,1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.217397325224876728316360420804118329081,1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812,1.2.643.5.1.13.13.12.2.77.8252.10000400041408060608031009090710,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.217397325224876728316360420804118329081,1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812,1.2.643.5.1.13.13.12.2.77.8252.02091115080411030312040600000701,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.217397325224876728316360420804118329081,1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812,1.2.643.5.1.13.13.12.2.77.8252.04131001000110131311121304090609,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.220866240977467582196609708837940253840/series_001_2_CR/A2504258893 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.220866240977467582196609708837940253840,1.2.643.5.1.13.13.12.2.77.8252.04071115100300090601031200020808,1.2.643.5.1.13.13.12.2.77.8252.03010603150012061509030005111300,spine,1,axis_deviation,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.234651502352368356456298825489565282446,1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510,1.2.643.5.1.13.13.12.2.77.8252.02051208030605070510050510081213,hip_left,1,rotation,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.234651502352368356456298825489565282446,1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510,1.2.643.5.1.13.13.12.2.77.8252.09140613011500120102030800080807,hip_right,1,rotation,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.234651502352368356456298825489565282446,1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510,1.2.643.5.1.13.13.12.2.77.8252.09031307051100020212010511060414,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.247714038039430659432048101646401574824,1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100,1.2.643.5.1.13.13.12.2.77.8252.13110800060502010303101404091303,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.247714038039430659432048101646401574824,1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100,1.2.643.5.1.13.13.12.2.77.8252.06051510010614000404080600020603,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.247714038039430659432048101646401574824,1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100,1.2.643.5.1.13.13.12.2.77.8252.06030210110500061108030910090908,spine,1,artifact,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.269648774413746842548908998641183395622,1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815,1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311,spine,1,axis_deviation;artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.269742577365511543488820993979123763373,1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404,1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304,spine,1,unspecified,0,1,1,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.272690031744216183651627058502316132741,1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509,1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.276415754443998872860614500027519740375,1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014,1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006,spine,1,unspecified,0,1,1,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm,l_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912,hip_left,1,roi_incorrect,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407,hip_right,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.277752758923974029595977676354128739670,1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108,1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301,spine,1,artifact,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.286999464611662854355201599068538813496,1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214,1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501,spine,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.29638026465755240167985424461715024381,1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701,1.2.643.5.1.13.13.12.2.77.8252.09040806151211060704090912150608,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.29638026465755240167985424461715024381,1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701,1.2.643.5.1.13.13.12.2.77.8252.12090901030412121214030908040015,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.29638026465755240167985424461715024381,1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701,1.2.643.5.1.13.13.12.2.77.8252.12021011000615031102060001101203,spine,1,positioning,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.306921081709806079165809721263236241032,1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705,1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.307021710202910067378603383388989711646,1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415,1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011,spine,1,artifact,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.309085571913348252136520206003694446566,1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206,1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514,spine,1,axis_deviation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.314147167453134440746270747484612743945,1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210,1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.322202456901330781765399791024580391565,1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105,1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711,spine,1,unspecified,0,1,1,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.338439598607961312040815816824093323492,1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912,1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310,spine,1,artifact,1,1,0,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506,hip_left,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600,hip_right,0,,0,0,0,0,0,union,0,,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.339027809107632348165171236474821772940,1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113,1.2.643.5.1.13.13.12.2.77.8252.04091012040015061107090014081504,spine,1,unspecified,1,1,0,0,0,union,0,bad,сколиоз
dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.340839477910528898406207279980417945,1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303,1.2.643.5.1.13.13.12.2.77.8252.05030701101012140702110704000714,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.340839477910528898406207279980417945,1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303,1.2.643.5.1.13.13.12.2.77.8252.14120712151005010200040708001308,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/spine_01.dcm,spine_01.dcm,2.25.340839477910528898406207279980417945,1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303,1.2.643.5.1.13.13.12.2.77.8252.12111312010203070900101115051015,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.37515662379281069436632838996073181551,1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308,1.2.643.5.1.13.13.12.2.77.8252.08110803070615141513021414111001,hip_left,0,,0,0,0,0,0,union,0,,Хороший пример отклонения оси при КТ п-ка
dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.37515662379281069436632838996073181551,1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308,1.2.643.5.1.13.13.12.2.77.8252.12090208061115110101131315120813,hip_right,0,,0,0,0,0,0,union,0,,Хороший пример отклонения оси при КТ п-ка
dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.37515662379281069436632838996073181551,1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308,1.2.643.5.1.13.13.12.2.77.8252.05001409080504151204111500000514,spine,1,axis_deviation,1,1,0,0,0,union,0,bad,Хороший пример отклонения оси при КТ п-ка
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.00030605020706130003080307080701,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.07150610130411050211021514011106,hip_right,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.39068163399801173920284179500049527111,1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214,1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212,spine,1,axis_deviation;artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm,l_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501,hip_left,1,rotation,1,0,1,0,0,union,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm,r_hip_01.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108,hip_right,1,rotation,1,0,1,0,0,union,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm,spine_01_bad.dcm,2.25.48906424954135283790354958243772558962,1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004,1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003,spine,1,artifact,1,1,0,0,0,union,0,bad,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.52532476139575422857225834315571570912,1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509,1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110,spine,1,unspecified,1,1,0,0,0,union,0,bad,"Сколиоз, не верня разметка"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701,hip_left,0,,0,0,0,0,0,union,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509,hip_right,0,,0,0,0,0,0,union,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.52982400970721161435951723390541696819,1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006,1.2.643.5.1.13.13.12.2.77.8252.02030504060005060505040905021305,spine,1,positioning,1,0,1,0,0,union,0,,"L6, люмбализация"
dataset_hack/НД_для_обучения/Исследования/2.25.54396839637320114639948764487283877793/series_003_2_CR/A2504111090 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.54396839637320114639948764487283877793,1.2.643.5.1.13.13.12.2.77.8252.15041203090015060404010507050405,1.2.643.5.1.13.13.12.2.77.8252.02060605151213121009151302130207,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.59542620917302828428419211045951914336/series_001_2_CR/A2504303391 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.59542620917302828428419211045951914336,1.2.643.5.1.13.13.12.2.77.8252.13101512050003031109001004060403,1.2.643.5.1.13.13.12.2.77.8252.07101010011513020401030213080905,spine,1,artifact,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.65954778282254353457041255543338557112,1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405,1.2.643.5.1.13.13.12.2.77.8252.11130315030911081202140406010814,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.65954778282254353457041255543338557112,1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405,1.2.643.5.1.13.13.12.2.77.8252.10000615050107010300151404090301,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.65954778282254353457041255543338557112,1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405,1.2.643.5.1.13.13.12.2.77.8252.05111111030105140803060510040613,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802,hip_left,1,rotation,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm,r_hip_01_bad.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411,hip_right,1,rotation,1,1,0,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.66397484472966116002950503539482860450,1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805,1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm,l_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010,hip_left,1,rotation,1,1,0,0,0,union,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm,r_hip_02_bad.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313,hip_right,1,rotation,1,1,0,0,0,union,0,bad,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.73070100851377917031356937075051545239,1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701,1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107,spine,1,axis_deviation,1,0,1,0,0,union,0,,"Отклонение оси, нет малых вертелов"
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.76710355977373089612172037086913478687,1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308,1.2.643.5.1.13.13.12.2.77.8252.06151311061015011100110511080701,spine,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.78999454687125053757525542837745968726,1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404,1.2.643.5.1.13.13.12.2.77.8252.07150713040501120002001009141410,hip_left,1,rotation,1,0,1,0,0,union,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.78999454687125053757525542837745968726,1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404,1.2.643.5.1.13.13.12.2.77.8252.05120913001500151408091003040415,hip_right,1,rotation,1,0,1,0,0,union,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.78999454687125053757525542837745968726,1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404,1.2.643.5.1.13.13.12.2.77.8252.11011500050713141305050211140308,spine,0,,0,0,0,0,0,union,0,,Требует внимание
dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.82912555346523716720160717883917565880,1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205,1.2.643.5.1.13.13.12.2.77.8252.13130903011502030304101506090814,hip_left,0,,0,0,0,0,0,union,0,,Хороший пример ротации
dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.82912555346523716720160717883917565880,1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205,1.2.643.5.1.13.13.12.2.77.8252.15121403061107000609060400100413,hip_right,1,rotation,1,0,1,0,0,union,0,,Хороший пример ротации
dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.82912555346523716720160717883917565880,1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205,1.2.643.5.1.13.13.12.2.77.8252.15001111061311011106030303001309,spine,0,,0,0,0,0,0,union,0,,Хороший пример ротации
dataset_hack/НД_для_обучения/Исследования/2.25.87718478011637131470224319788530286374/series_002_2_CR/A2504337993 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.87718478011637131470224319788530286374,1.2.643.5.1.13.13.12.2.77.8252.07060506150205030514061006111408,1.2.643.5.1.13.13.12.2.77.8252.10041006131411151513070104110809,spine,1,unspecified,0,1,1,0,0,union,0,bad,
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.15101115041306031303150405131115,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.06111209081313111015020309051508,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm,spine_01.dcm,2.25.87869906212286587478854831452123526595,1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203,1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511,spine,1,artifact,1,0,1,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm,l_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309,hip_left,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm,r_hip_01.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411,hip_right,0,,0,0,0,0,0,union,0,,
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm,spine_01_bad.dcm,2.25.91981043841368764114007975581101713077,1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202,1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701,spine,1,positioning,1,1,0,0,0,union,0,bad,

1 path_to_image file study study_uid image_uid anatomical_region quality_class violation_type quality_from_excel quality_from_filename sources_conflict laterality_mirrored region_ambiguous label_rule filename_fallback filename_marker expert_comment
2 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/l_hip_01_good.dcm l_hip_01_good.dcm 1.2.840.113619.2.110.512719.20250403090444 1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304 1.2.643.5.1.13.13.12.2.77.8252.03030811151201151502050615010000 hip_left 1 rotation 1 0 1 0 0 union 0 good
3 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/r_hip_01_good.dcm r_hip_01_good.dcm 1.2.840.113619.2.110.512719.20250403090444 1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304 1.2.643.5.1.13.13.12.2.77.8252.06000812101106141213041404150112 hip_right 0 0 0 0 0 0 union 0 good
4 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403090444/series_004_3_CR/DXA/CR DXA/spine_01_good.dcm spine_01_good.dcm 1.2.840.113619.2.110.512719.20250403090444 1.2.643.5.1.13.13.12.2.77.8252.08110703091310150605090907130304 1.2.643.5.1.13.13.12.2.77.8252.14031015091008031013040205110915 spine 0 0 0 0 0 0 union 0 good
5 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/l_hip_01_good.dcm l_hip_01_good.dcm 1.2.840.113619.2.110.512719.20250403092052 1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114 1.2.643.5.1.13.13.12.2.77.8252.06140010030611061314081200121305 hip_left 0 0 0 0 0 0 union 0 good
6 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/r_hip_01_good.dcm r_hip_01_good.dcm 1.2.840.113619.2.110.512719.20250403092052 1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114 1.2.643.5.1.13.13.12.2.77.8252.09040712010609120601031410140610 hip_right 0 0 0 0 0 0 union 0 good
7 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250403092052/series_003_3_CR/DXA/CR DXA/spine_01_good.dcm spine_01_good.dcm 1.2.840.113619.2.110.512719.20250403092052 1.2.643.5.1.13.13.12.2.77.8252.06000805130607060714150602050114 1.2.643.5.1.13.13.12.2.77.8252.09050515110402090102050206010406 spine 0 0 0 0 0 0 union 0 good
8 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 1.2.840.113619.2.110.512719.20250407113211 1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100 1.2.643.5.1.13.13.12.2.77.8252.10011302120900111505101501141402 hip_left 1 rotation 1 0 1 0 0 union 0
9 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 1.2.840.113619.2.110.512719.20250407113211 1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100 1.2.643.5.1.13.13.12.2.77.8252.07140808121311040315101301051200 hip_right 0 0 0 0 0 0 union 0
10 dataset_hack/НД_для_обучения/Исследования/1.2.840.113619.2.110.512719.20250407113211/series_001_2_CR/DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 1.2.840.113619.2.110.512719.20250407113211 1.2.643.5.1.13.13.12.2.77.8252.02060902040212120608040605100100 1.2.643.5.1.13.13.12.2.77.8252.13101207101114060008151413130115 spine 1 unspecified 0 1 1 0 0 union 0 bad
11 dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.10245777060263212829333021434108890537 1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915 1.2.643.5.1.13.13.12.2.77.8252.07000215121313030213041009101409 hip_left 0 0 0 0 0 0 union 0
12 dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.10245777060263212829333021434108890537 1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915 1.2.643.5.1.13.13.12.2.77.8252.03081500040505121009070211080902 hip_right 0 0 0 0 0 0 union 0
13 dataset_hack/НД_для_обучения/Исследования/2.25.10245777060263212829333021434108890537/series_003_2_CR/A2504412435 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.10245777060263212829333021434108890537 1.2.643.5.1.13.13.12.2.77.8252.13060115000811100715140205030915 1.2.643.5.1.13.13.12.2.77.8252.14131410040814100713070401091213 spine 0 0 0 0 0 0 union 0
14 dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.102755089973625799055786462646268820450 1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412 1.2.643.5.1.13.13.12.2.77.8252.10100907120107030904131503081506 hip_left 0 0 0 0 0 0 union 0
15 dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.102755089973625799055786462646268820450 1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412 1.2.643.5.1.13.13.12.2.77.8252.01140903011212140408111315130511 hip_right 1 rotation 1 0 1 0 0 union 0
16 dataset_hack/НД_для_обучения/Исследования/2.25.102755089973625799055786462646268820450/series_002_2_CR/A2504257770 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.102755089973625799055786462646268820450 1.2.643.5.1.13.13.12.2.77.8252.05091110020805070808081311010412 1.2.643.5.1.13.13.12.2.77.8252.10030113050111051002020402141304 spine 1 axis_deviation 1 1 0 0 0 union 0 bad
17 dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.102965897799404973225419898683246248872 1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007 1.2.643.5.1.13.13.12.2.77.8252.06050309100102041203101101110913 hip_left 0 0 0 0 0 0 union 0 сколиоз
18 dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.102965897799404973225419898683246248872 1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007 1.2.643.5.1.13.13.12.2.77.8252.10140807011010031112140700150015 hip_right 0 0 0 0 0 0 union 0 сколиоз
19 dataset_hack/НД_для_обучения/Исследования/2.25.102965897799404973225419898683246248872/series_001_2_CR/A250726353 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.102965897799404973225419898683246248872 1.2.643.5.1.13.13.12.2.77.8252.02150001030902110114090106081007 1.2.643.5.1.13.13.12.2.77.8252.11011413051206050400150606100110 spine 0 0 0 0 0 0 union 0 сколиоз
20 dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.103868781101960771917584077315578649178 1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002 1.2.643.5.1.13.13.12.2.77.8252.12051209130410130502141403101414 hip_left 0 0 0 0 0 0 union 0 сколиоз
21 dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.103868781101960771917584077315578649178 1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002 1.2.643.5.1.13.13.12.2.77.8252.15031208100010080909150509041308 hip_right 0 0 0 0 0 0 union 0 сколиоз
22 dataset_hack/НД_для_обучения/Исследования/2.25.103868781101960771917584077315578649178/series_001_3_CR/A2507485409 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.103868781101960771917584077315578649178 1.2.643.5.1.13.13.12.2.77.8252.01081208070113050704060608151002 1.2.643.5.1.13.13.12.2.77.8252.08120904010605130814050710080508 spine 0 0 0 0 0 0 union 0 сколиоз
23 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.14130208070502001411050502150202 hip_left 0 0 0 0 0 0 union 0 сколиоз
24 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.11131406091213131205130612021414 hip_right 0 0 0 0 0 0 union 0 сколиоз
25 dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.105033841136787477881326326053319223817/series_001_2_CR/A250790559 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.105033841136787477881326326053319223817 1.2.643.5.1.13.13.12.2.77.8252.07010502020008121005080211011503 1.2.643.5.1.13.13.12.2.77.8252.00071307071102020311080215100104 spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad сколиоз
26 dataset_hack/НД_для_обучения/Исследования/2.25.108537195937431169718850276671337677972/series_002_2_CR/A250479795 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.108537195937431169718850276671337677972 1.2.643.5.1.13.13.12.2.77.8252.00011402030913150507081413120310 1.2.643.5.1.13.13.12.2.77.8252.14031513011512070711151413071213 spine 0 0 0 0 0 0 union 0
27 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/l_hip_01_bad.dcm r_hip_01.dcm l_hip_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907 1.2.643.5.1.13.13.12.2.77.8252.07121414121104070401050315140813 hip_right 0 1 unspecified 0 0 1 0 1 0 0 1 union 1 bad правое бедро эндопротезирования
28 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/r_hip_01.dcm spine_01_bad.dcm r_hip_01.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103 1.2.643.5.1.13.13.12.2.77.8252.12051512011202090502051206130907 spine hip_right 1 0 artifact 1 0 1 0 0 0 1 0 union 0 bad правое бедро эндопротезирования
29 dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_03_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.11175860580562939441493697221497597640/series_003_2_CR/A2507431060 DXA/CR DXA/spine_01_bad.dcm spine_03_bad.dcm spine_01_bad.dcm 2.25.11175860580562939441493697221497597640 1.2.643.5.1.13.13.12.2.77.8252.01021511080002000006040601030906 1.2.643.5.1.13.13.12.2.77.8252.08101400121500101415120401040211 1.2.643.5.1.13.13.12.2.77.8252.11051001091403121310010813110103 spine 1 unspecified artifact 1 1 0 0 1 0 union 0 bad правое бедро эндопротезирования
30 dataset_hack/НД_для_обучения/Исследования/2.25.112621744005021908434051268014787122937/series_002_2_CR/A2504301685 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.112621744005021908434051268014787122937 1.2.643.5.1.13.13.12.2.77.8252.14150011111304110807130802031100 1.2.643.5.1.13.13.12.2.77.8252.15090515141309140806011408041204 spine 1 unspecified 0 1 1 0 0 union 0 bad сколиоз
31 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.03150400010605060115070904121304 hip_left 1 rotation 1 0 1 0 0 union 0
32 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.15050814070214050107040604101305 hip_right 1 rotation 1 0 1 0 0 union 0
33 dataset_hack/НД_для_обучения/Исследования/2.25.114887542067602662452692698814728642117/series_001_2_CR/A2504131887 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.114887542067602662452692698814728642117 1.2.643.5.1.13.13.12.2.77.8252.12090510061110050103011205010113 1.2.643.5.1.13.13.12.2.77.8252.10001500010311100907131007040004 spine 1 artifact 1 0 1 0 0 union 0
34 dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.116822802042655971810859435524105064465 1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312 1.2.643.5.1.13.13.12.2.77.8252.13011301091003020814061203020304 hip_left 0 0 0 0 0 0 union 0
35 dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.116822802042655971810859435524105064465 1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312 1.2.643.5.1.13.13.12.2.77.8252.01010713081306120510130101121412 hip_right 0 0 0 0 0 0 union 0
36 dataset_hack/НД_для_обучения/Исследования/2.25.116822802042655971810859435524105064465/series_003_2_CR/A2507273296 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.116822802042655971810859435524105064465 1.2.643.5.1.13.13.12.2.77.8252.09001101031503060803041311070312 1.2.643.5.1.13.13.12.2.77.8252.05150512091506110304120408070606 spine 0 0 0 0 0 0 union 0
37 dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.122446767306607067205618235949445789306 1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011 1.2.643.5.1.13.13.12.2.77.8252.02101009080308000015051512140806 hip_left 1 rotation 1 0 1 0 0 union 0
38 dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.122446767306607067205618235949445789306 1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011 1.2.643.5.1.13.13.12.2.77.8252.02091106060004131215091000000909 hip_right 1 rotation 1 0 1 0 0 union 0
39 dataset_hack/НД_для_обучения/Исследования/2.25.122446767306607067205618235949445789306/series_001_2_CR/A2504255080 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.122446767306607067205618235949445789306 1.2.643.5.1.13.13.12.2.77.8252.00101409100812000205071213151011 1.2.643.5.1.13.13.12.2.77.8252.15060100040008041103060904131005 spine 0 0 0 0 0 0 union 0
40 dataset_hack/НД_для_обучения/Исследования/2.25.123175695355749859846173904788591707879/series_001_2_CR/A250722449 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.123175695355749859846173904788591707879 1.2.643.5.1.13.13.12.2.77.8252.11130601031507131510140912150209 1.2.643.5.1.13.13.12.2.77.8252.12031311070507060813050800031313 spine 0 0 0 0 0 0 union 0
41 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.10081312010805021201100507060411 hip_left 0 0 0 0 0 0 union 0
42 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.08050506060410091114110412130504 hip_right 0 0 0 0 0 0 union 0
43 dataset_hack/НД_для_обучения/Исследования/2.25.124890633326693921702195356152595253940/series_002_2_CR/A2504263153 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.124890633326693921702195356152595253940 1.2.643.5.1.13.13.12.2.77.8252.04120502090713030002100002030500 1.2.643.5.1.13.13.12.2.77.8252.04131510070001011107040403071102 spine 0 0 0 0 0 0 union 0
44 dataset_hack/НД_для_обучения/Исследования/2.25.125521310320333648427417313254965624364/series_001_2_CR/A250444126 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.125521310320333648427417313254965624364 1.2.643.5.1.13.13.12.2.77.8252.04020303131005050903141411050509 1.2.643.5.1.13.13.12.2.77.8252.06141210040207130507130606070312 spine 1 positioning 1 1 0 0 0 union 0 bad
45 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.08121504041301080101130415050611 hip_left 1 rotation;roi_incorrect 1 0 1 1 0 0 0 union 0 bad
46 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01.dcm r_hip_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.11151304101402090112060913070605 hip_right 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
47 dataset_hack/НД_для_обучения/Исследования/2.25.126293418391331346694592071563510265596/series_002_3_CR/A2507250865 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.126293418391331346694592071563510265596 1.2.643.5.1.13.13.12.2.77.8252.06000203070703071315151100081515 1.2.643.5.1.13.13.12.2.77.8252.10031005061115110908060312000307 spine 1 unspecified 0 1 1 0 0 union 0 bad
48 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/l_hip_01.dcm l_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.01070801081413060013111012010201 hip_left 1 rotation 1 0 1 0 0 union 0 перелом
49 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/r_hip_01.dcm r_hip_01.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.10040807011312021210130513011200 hip_right 1 rotation;roi_incorrect 1 0 1 0 0 union 0 перелом
50 dataset_hack/НД_для_обучения/Исследования/2.25.127126130998341190348103034690069487890/series_002_2_CR/A250428736 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.127126130998341190348103034690069487890 1.2.643.5.1.13.13.12.2.77.8252.01100712050309061210070903020211 1.2.643.5.1.13.13.12.2.77.8252.13130511100900071404010502130909 spine 1 axis_deviation 1 1 0 0 0 union 0 bad перелом
51 dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01_bad.dcm 2.25.12798473087614376830819854616447908612 1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509 1.2.643.5.1.13.13.12.2.77.8252.07050602130910101513020700010509 hip_left 1 unspecified 1 0 0 0 union 1 bad эндопротезирования ТБС
52 dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/r_hip_01_bad.dcm r_hip_01_bad.dcm 2.25.12798473087614376830819854616447908612 1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509 1.2.643.5.1.13.13.12.2.77.8252.02011409120209130807021302101100 hip_right 1 unspecified 1 0 0 0 union 1 bad эндопротезирования ТБС
53 dataset_hack/НД_для_обучения/Исследования/2.25.12798473087614376830819854616447908612/series_002_2_CR/A2507538847 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.12798473087614376830819854616447908612 1.2.643.5.1.13.13.12.2.77.8252.09130409131001141403120204031509 1.2.643.5.1.13.13.12.2.77.8252.07111115111305011108141412010801 spine 0 0 0 0 0 0 union 0 эндопротезирования ТБС
54 dataset_hack/НД_для_обучения/Исследования/2.25.128197189461989832465575162384360009377/series_001_2_CR/A2507216909 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128197189461989832465575162384360009377 1.2.643.5.1.13.13.12.2.77.8252.12090514001006040904030606011401 1.2.643.5.1.13.13.12.2.77.8252.02030508140000071310150302011113 spine 0 0 0 0 0 0 union 0
55 dataset_hack/НД_для_обучения/Исследования/2.25.128630285053087246379265602913470285158/series_003_2_CR/A2504394821 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.128630285053087246379265602913470285158 1.2.643.5.1.13.13.12.2.77.8252.02080810120709040103090703140106 1.2.643.5.1.13.13.12.2.77.8252.09070705131210061514041509120513 spine 0 0 0 0 0 0 union 0
56 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/l_hip_01_bad.dcm l_hip_01.dcm l_hip_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.02111507100612121000021204080801 hip_left 1 rotation 1 0 1 1 0 0 0 union 0 bad
57 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.128990540359421489042453547244535073735 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.09150805131402040209060509150410 1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905 hip_right spine 1 rotation positioning 1 0 1 1 0 0 0 union 0 bad
58 dataset_hack/НД_для_обучения/Исследования/2.25.128990540359421489042453547244535073735/series_002_2_CR/A2507388698 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm spine_01_bad.dcm r_hip_01.dcm 2.25.128990540359421489042453547244535073735 2.25.129239680100193368599713239115902740628 1.2.643.5.1.13.13.12.2.77.8252.10140103050104100015110907140800 1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406 1.2.643.5.1.13.13.12.2.77.8252.11000605051111050207041006140905 1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700 spine hip_right 1 positioning rotation 1 1 0 0 1 0 1 0 union 0 bad
59 dataset_hack/НД_для_обучения/Исследования/2.25.129239680100193368599713239115902740628/series_003_3_CR/A250757345 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01_bad.dcm r_hip_01.dcm l_hip_01_bad.dcm 2.25.129239680100193368599713239115902740628 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.08111201111203050510020404121406 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.00131503020212110600101502020700 1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401 hip_right hip_left 1 rotation roi_incorrect 1 0 1 1 0 1 0 0 union 0 bad
60 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01_bad.dcm l_hip_01.dcm r_hip_01_bad.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.06081211090913150712130913130401 1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702 hip_left hip_right 1 roi_incorrect 1 0 1 1 0 0 0 union 0 bad
61 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.13069823278093578548407087310307113784 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.12051101030200021506031210090702 1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402 hip_right spine 1 0 roi_incorrect 1 0 0 1 0 0 0 union 0
62 dataset_hack/НД_для_обучения/Исследования/2.25.13069823278093578548407087310307113784/series_003_2_CR/A2507242667 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.13069823278093578548407087310307113784 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.01101508090608101115020806060015 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.05100110120015150515030506140402 1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014 spine hip_left 0 0 0 0 0 0 union 0 сколиоз
63 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.06120903051105150112061201080014 1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104 hip_left hip_right 0 0 0 0 0 0 union 0 сколиоз
64 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.132083163398091874662674590622589534350 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.13151303131009131214000609090104 1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad сколиоз
65 dataset_hack/НД_для_обучения/Исследования/2.25.132083163398091874662674590622589534350/series_003_2_CR/A2507386583 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.132083163398091874662674590622589534350 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.00030206020209110205100406021412 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.15080409060108110106110204020115 1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802 spine hip_left 0 0 0 0 0 0 union 0 сколиоз
66 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.15140601101305061400021505010802 1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301 hip_left hip_right 0 0 0 0 0 0 union 0
67 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.132272637351979990811754009849547633391 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.05020106091400040809110708040301 1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
68 dataset_hack/НД_для_обучения/Исследования/2.25.132272637351979990811754009849547633391/series_003_3_CR/A2504141080 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.132272637351979990811754009849547633391 2.25.13325817932854000792938662637654885530 1.2.643.5.1.13.13.12.2.77.8252.07060700030806121503030014110206 1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113 1.2.643.5.1.13.13.12.2.77.8252.07151108041411120004040810151209 1.2.643.5.1.13.13.12.2.77.8252.11020707081006150000011408140609 spine hip_left 1 unspecified roi_incorrect 0 1 1 0 1 0 0 union 0 bad
69 dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.13325817932854000792938662637654885530 1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113 1.2.643.5.1.13.13.12.2.77.8252.11020707081006150000011408140609 1.2.643.5.1.13.13.12.2.77.8252.04080409110008071309041404000111 hip_left hip_right 1 0 roi_incorrect 1 0 0 1 0 0 0 union 0
70 dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.13325817932854000792938662637654885530 1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113 1.2.643.5.1.13.13.12.2.77.8252.04080409110008071309041404000111 1.2.643.5.1.13.13.12.2.77.8252.02090003020511130407030106110206 hip_right spine 0 0 0 0 0 0 union 0
71 dataset_hack/НД_для_обучения/Исследования/2.25.13325817932854000792938662637654885530/series_002_2_CR/A2507365486 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.13325817932854000792938662637654885530 2.25.134456506307367483341018281460841912845 1.2.643.5.1.13.13.12.2.77.8252.01011312130808040910091102031113 1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003 1.2.643.5.1.13.13.12.2.77.8252.02090003020511130407030106110206 1.2.643.5.1.13.13.12.2.77.8252.14121200111500000012151207021305 spine hip_left 0 0 0 0 0 0 union 0
72 dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.134456506307367483341018281460841912845 1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003 1.2.643.5.1.13.13.12.2.77.8252.14121200111500000012151207021305 1.2.643.5.1.13.13.12.2.77.8252.04040803080402061202041005000304 hip_left hip_right 0 0 0 0 0 0 union 0
73 dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.134456506307367483341018281460841912845 1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003 1.2.643.5.1.13.13.12.2.77.8252.04040803080402061202041005000304 1.2.643.5.1.13.13.12.2.77.8252.13090607110001000310151006050113 hip_right spine 0 0 0 0 0 0 union 0
74 dataset_hack/НД_для_обучения/Исследования/2.25.134456506307367483341018281460841912845/series_002_2_CR/A2507120612 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/r_hip_01.dcm spine_01.dcm r_hip_01.dcm 2.25.134456506307367483341018281460841912845 2.25.135241889065705954191821710363605596815 1.2.643.5.1.13.13.12.2.77.8252.14001106061015010402061009020003 1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209 1.2.643.5.1.13.13.12.2.77.8252.13090607110001000310151006050113 1.2.643.5.1.13.13.12.2.77.8252.04060811050000140014040410080212 spine hip_right 0 0 0 0 0 1 0 union 0
75 dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.135241889065705954191821710363605596815 1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209 1.2.643.5.1.13.13.12.2.77.8252.04060811050000140014040410080212 1.2.643.5.1.13.13.12.2.77.8252.12060607091105150404131215110908 hip_right spine 0 0 0 0 1 0 0 union 0
76 dataset_hack/НД_для_обучения/Исследования/2.25.135241889065705954191821710363605596815/series_003_3_CR/A250715060 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13566237352084812982996047541944701548/series_002_2_CR/A2504268931 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.135241889065705954191821710363605596815 2.25.13566237352084812982996047541944701548 1.2.643.5.1.13.13.12.2.77.8252.02111204140006020215081404050209 1.2.643.5.1.13.13.12.2.77.8252.02110607061101140709130908071405 1.2.643.5.1.13.13.12.2.77.8252.12060607091105150404131215110908 1.2.643.5.1.13.13.12.2.77.8252.09030712140506070904071003000708 spine 0 0 0 0 0 0 union 0
77 dataset_hack/НД_для_обучения/Исследования/2.25.13566237352084812982996047541944701548/series_002_2_CR/A2504268931 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.13566237352084812982996047541944701548 2.25.137344827330550141320158285144101816664 1.2.643.5.1.13.13.12.2.77.8252.02110607061101140709130908071405 1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103 1.2.643.5.1.13.13.12.2.77.8252.09030712140506070904071003000708 1.2.643.5.1.13.13.12.2.77.8252.03131510081105080011060404010511 spine hip_left 0 0 0 0 0 0 union 0
78 dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.137344827330550141320158285144101816664 1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103 1.2.643.5.1.13.13.12.2.77.8252.03131510081105080011060404010511 1.2.643.5.1.13.13.12.2.77.8252.14140312010015010504081306061203 hip_left hip_right 0 0 0 0 0 0 union 0
79 dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.137344827330550141320158285144101816664 1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103 1.2.643.5.1.13.13.12.2.77.8252.14140312010015010504081306061203 1.2.643.5.1.13.13.12.2.77.8252.02050314081501100100131400110412 hip_right spine 0 0 0 0 0 0 union 0
80 dataset_hack/НД_для_обучения/Исследования/2.25.137344827330550141320158285144101816664/series_003_3_CR/A2507146630 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.137675513852774974135210999345676405116/series_001_2_CR/A2504106597 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.137344827330550141320158285144101816664 2.25.137675513852774974135210999345676405116 1.2.643.5.1.13.13.12.2.77.8252.07080911030405120513131308130103 1.2.643.5.1.13.13.12.2.77.8252.00091501080806120506120114090107 1.2.643.5.1.13.13.12.2.77.8252.02050314081501100100131400110412 1.2.643.5.1.13.13.12.2.77.8252.05060902130204131205041207051405 spine 0 0 0 0 0 0 union 0
81 dataset_hack/НД_для_обучения/Исследования/2.25.137675513852774974135210999345676405116/series_001_2_CR/A2504106597 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.137675513852774974135210999345676405116 2.25.13983650679559142983913935144968795415 1.2.643.5.1.13.13.12.2.77.8252.00091501080806120506120114090107 1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901 1.2.643.5.1.13.13.12.2.77.8252.05060902130204131205041207051405 1.2.643.5.1.13.13.12.2.77.8252.02030711120805150008090200030710 spine hip_left 0 0 0 0 0 0 union 0
82 dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.13983650679559142983913935144968795415 1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901 1.2.643.5.1.13.13.12.2.77.8252.02030711120805150008090200030710 1.2.643.5.1.13.13.12.2.77.8252.05100908130706051511060907050202 hip_left hip_right 0 0 0 0 0 0 union 0
83 dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.13983650679559142983913935144968795415 1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901 1.2.643.5.1.13.13.12.2.77.8252.05100908130706051511060907050202 1.2.643.5.1.13.13.12.2.77.8252.01100509051301061200120505020711 hip_right spine 0 0 0 0 0 0 union 0
84 dataset_hack/НД_для_обучения/Исследования/2.25.13983650679559142983913935144968795415/series_003_2_CR/A2504335111 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.13983650679559142983913935144968795415 2.25.144941557565802351596730914409170713112 1.2.643.5.1.13.13.12.2.77.8252.04111012020210100809111310020901 1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604 1.2.643.5.1.13.13.12.2.77.8252.01100509051301061200120505020711 1.2.643.5.1.13.13.12.2.77.8252.14070202101304120203120502100808 spine hip_left 0 0 0 0 0 0 union 0
85 dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.144941557565802351596730914409170713112 1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604 1.2.643.5.1.13.13.12.2.77.8252.14070202101304120203120502100808 1.2.643.5.1.13.13.12.2.77.8252.01100715050305071000110707040014 hip_left hip_right 0 1 rotation 0 1 0 0 1 0 0 union 0
86 dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.144941557565802351596730914409170713112 1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604 1.2.643.5.1.13.13.12.2.77.8252.01100715050305071000110707040014 1.2.643.5.1.13.13.12.2.77.8252.14021109030605071205090308080911 hip_right spine 1 0 rotation 1 0 0 1 0 0 0 union 0
87 dataset_hack/НД_для_обучения/Исследования/2.25.144941557565802351596730914409170713112/series_001_2_CR/A250728979 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.144941557565802351596730914409170713112 2.25.145848300160680194368420189079847088556 1.2.643.5.1.13.13.12.2.77.8252.06041008131200110706010301000604 1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111 1.2.643.5.1.13.13.12.2.77.8252.14021109030605071205090308080911 1.2.643.5.1.13.13.12.2.77.8252.06130104100900080002100912090901 spine hip_left 0 1 rotation 0 1 0 0 1 0 0 union 0
88 dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.145848300160680194368420189079847088556 1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111 1.2.643.5.1.13.13.12.2.77.8252.06130104100900080002100912090901 1.2.643.5.1.13.13.12.2.77.8252.09091111090903031309150614110215 hip_left hip_right 1 0 rotation 1 0 0 1 0 0 0 union 0
89 dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.145848300160680194368420189079847088556 1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111 1.2.643.5.1.13.13.12.2.77.8252.09091111090903031309150614110215 1.2.643.5.1.13.13.12.2.77.8252.07040802010906150312000007110303 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
90 dataset_hack/НД_для_обучения/Исследования/2.25.145848300160680194368420189079847088556/series_002_2_CR/A2504248615 DXA Exam/CR DXA Images/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.145848300160680194368420189079847088556 2.25.151186844055172005615813066162721550889 1.2.643.5.1.13.13.12.2.77.8252.00020104100613061304040514090111 1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208 1.2.643.5.1.13.13.12.2.77.8252.07040802010906150312000007110303 1.2.643.5.1.13.13.12.2.77.8252.07071507091013150605060411110414 spine hip_left 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad
91 dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.151186844055172005615813066162721550889 1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208 1.2.643.5.1.13.13.12.2.77.8252.07071507091013150605060411110414 1.2.643.5.1.13.13.12.2.77.8252.06120514140811101106020900110711 hip_left hip_right 0 0 0 0 0 0 union 0
92 dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.151186844055172005615813066162721550889 1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208 1.2.643.5.1.13.13.12.2.77.8252.06120514140811101106020900110711 1.2.643.5.1.13.13.12.2.77.8252.07051313070907070603030815070904 hip_right spine 0 0 0 0 0 0 union 0
93 dataset_hack/НД_для_обучения/Исследования/2.25.151186844055172005615813066162721550889/series_002_2_CR/A250436130 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.151186844055172005615813066162721550889 2.25.156021661584944120526934974594604520993 1.2.643.5.1.13.13.12.2.77.8252.02060202021413001406000512080208 1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303 1.2.643.5.1.13.13.12.2.77.8252.07051313070907070603030815070904 1.2.643.5.1.13.13.12.2.77.8252.12020806150405080200131300151004 spine hip_left 0 0 0 0 0 0 union 0
94 dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.156021661584944120526934974594604520993 1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303 1.2.643.5.1.13.13.12.2.77.8252.12020806150405080200131300151004 1.2.643.5.1.13.13.12.2.77.8252.09091502110711081102050610090100 hip_left hip_right 0 0 0 0 0 0 union 0
95 dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.156021661584944120526934974594604520993 1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303 1.2.643.5.1.13.13.12.2.77.8252.09091502110711081102050610090100 1.2.643.5.1.13.13.12.2.77.8252.09130714090405151215050914040809 hip_right spine 0 0 0 0 0 0 union 0
96 dataset_hack/НД_для_обучения/Исследования/2.25.156021661584944120526934974594604520993/series_003_2_CR/A2507142228 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.156021661584944120526934974594604520993 2.25.156375884487675936513403083218009333856 1.2.643.5.1.13.13.12.2.77.8252.07100203071411091300120005090303 1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501 1.2.643.5.1.13.13.12.2.77.8252.09130714090405151215050914040809 1.2.643.5.1.13.13.12.2.77.8252.00010208150107110206110212130810 spine hip_left 0 0 0 0 0 0 union 0
97 dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.156375884487675936513403083218009333856 1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501 1.2.643.5.1.13.13.12.2.77.8252.00010208150107110206110212130810 1.2.643.5.1.13.13.12.2.77.8252.04001402031200081204010009090110 hip_left hip_right 0 0 0 0 0 0 union 0
98 dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.156375884487675936513403083218009333856 1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501 1.2.643.5.1.13.13.12.2.77.8252.04001402031200081204010009090110 1.2.643.5.1.13.13.12.2.77.8252.07090311111312140315080706100515 hip_right spine 0 1 artifact 0 1 0 0 1 0 0 union 0
99 dataset_hack/НД_для_обучения/Исследования/2.25.156375884487675936513403083218009333856/series_003_2_CR/A250727121 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.156375884487675936513403083218009333856 2.25.156389075510671877606923458507011517218 1.2.643.5.1.13.13.12.2.77.8252.03010905090814080711141406121501 1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612 1.2.643.5.1.13.13.12.2.77.8252.07090311111312140315080706100515 1.2.643.5.1.13.13.12.2.77.8252.12101514000107101207120412120213 spine hip_left 1 0 artifact 1 0 0 1 0 0 0 union 0
100 dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.156389075510671877606923458507011517218 1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612 1.2.643.5.1.13.13.12.2.77.8252.12101514000107101207120412120213 1.2.643.5.1.13.13.12.2.77.8252.05051100060005040907000403081502 hip_left hip_right 0 0 0 0 0 0 union 0
101 dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.156389075510671877606923458507011517218 1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612 1.2.643.5.1.13.13.12.2.77.8252.05051100060005040907000403081502 1.2.643.5.1.13.13.12.2.77.8252.10040508121311001415130412050515 hip_right spine 0 0 0 0 0 0 union 0
102 dataset_hack/НД_для_обучения/Исследования/2.25.156389075510671877606923458507011517218/series_001_2_CR/A2507389755 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.156389075510671877606923458507011517218 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.14051001011001020103110813110612 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.10040508121311001415130412050515 1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506 spine hip_left 0 1 rotation 0 1 0 0 1 0 0 union 0
103 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.14100604010411121207140303140506 1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703 hip_left hip_right 1 rotation 1 0 1 0 0 union 0
104 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.157462338378550185821790046400986801350 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.01041213150709070704090905040703 1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204 hip_right spine 1 0 rotation 1 0 0 1 0 0 0 union 0
105 dataset_hack/НД_для_обучения/Исследования/2.25.157462338378550185821790046400986801350/series_001_2_CR/A2507498707 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.157462338378550185821790046400986801350 2.25.158197739569377798130962967413133224194 1.2.643.5.1.13.13.12.2.77.8252.04090607151301101110121009081500 1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509 1.2.643.5.1.13.13.12.2.77.8252.15011410150513090204040606151204 1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104 spine 0 0 0 0 0 0 union 0
106 dataset_hack/НД_для_обучения/Исследования/2.25.158197739569377798130962967413133224194/series_002_2_CR/A2504245497 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.158197739569377798130962967413133224194 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.08130702060402020111101401090509 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.09040703010601060814101313081104 1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315 spine hip_left 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad
107 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.11050703151212091005010115120315 1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309 hip_left hip_right 0 0 0 0 0 0 union 0
108 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.158646777318759504110695916200521633609 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.13040700151412120600060201031309 1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212 hip_right spine 0 1 artifact 0 1 0 1 0 0 0 union 0 bad
109 dataset_hack/НД_для_обучения/Исследования/2.25.158646777318759504110695916200521633609/series_003_6_CR/A2507266260 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.159930383074323525630608416881201447861/series_002_2_CR/A2507139428 DXA/CR DXA/spine_01.dcm spine_01_bad.dcm spine_01.dcm 2.25.158646777318759504110695916200521633609 2.25.159930383074323525630608416881201447861 1.2.643.5.1.13.13.12.2.77.8252.10030514041010111403040803061004 1.2.643.5.1.13.13.12.2.77.8252.05080007010908151412021401130712 1.2.643.5.1.13.13.12.2.77.8252.08140602091513140007031414030212 1.2.643.5.1.13.13.12.2.77.8252.03050413050004110015050414021412 spine 1 0 artifact 1 0 1 0 0 0 0 union 0 bad
110 dataset_hack/НД_для_обучения/Исследования/2.25.159930383074323525630608416881201447861/series_002_2_CR/A2507139428 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.159930383074323525630608416881201447861 2.25.164566280810634620154538016595892212884 1.2.643.5.1.13.13.12.2.77.8252.05080007010908151412021401130712 1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607 1.2.643.5.1.13.13.12.2.77.8252.03050413050004110015050414021412 1.2.643.5.1.13.13.12.2.77.8252.05080909100510090906081209130901 spine hip_left 0 0 0 0 0 0 union 0
111 dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.164566280810634620154538016595892212884 1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607 1.2.643.5.1.13.13.12.2.77.8252.05080909100510090906081209130901 1.2.643.5.1.13.13.12.2.77.8252.00071210060602011311010906021407 hip_left hip_right 0 1 rotation 0 1 0 0 1 0 0 union 0
112 dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.164566280810634620154538016595892212884 1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607 1.2.643.5.1.13.13.12.2.77.8252.00071210060602011311010906021407 1.2.643.5.1.13.13.12.2.77.8252.02030112081401101404040904010405 hip_right spine 1 rotation positioning 1 0 1 1 0 0 0 union 0 bad
113 dataset_hack/НД_для_обучения/Исследования/2.25.164566280810634620154538016595892212884/series_001_2_CR/A2504291878 DXA Exam/CR DXA Images/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.164566280810634620154538016595892212884 2.25.165091430504580219034019815337441064349 1.2.643.5.1.13.13.12.2.77.8252.11031305020803120210110303010607 1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708 1.2.643.5.1.13.13.12.2.77.8252.02030112081401101404040904010405 1.2.643.5.1.13.13.12.2.77.8252.14100208080000030010140812001111 spine hip_left 1 positioning rotation 1 1 0 0 1 0 0 union 0 bad
114 dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.165091430504580219034019815337441064349 1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708 1.2.643.5.1.13.13.12.2.77.8252.14100208080000030010140812001111 1.2.643.5.1.13.13.12.2.77.8252.12140710150813060013011403140807 hip_left hip_right 1 0 rotation 1 0 0 1 0 0 0 union 0
115 dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.165091430504580219034019815337441064349 1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708 1.2.643.5.1.13.13.12.2.77.8252.12140710150813060013011403140807 1.2.643.5.1.13.13.12.2.77.8252.01120104060301100213100004141203 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
116 dataset_hack/НД_для_обучения/Исследования/2.25.165091430504580219034019815337441064349/series_001_2_CR/A2504415443 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/r_hip_01.dcm spine_01_bad.dcm r_hip_01.dcm 2.25.165091430504580219034019815337441064349 2.25.165355673991587715046346525964554729786 1.2.643.5.1.13.13.12.2.77.8252.07040007120602101304050600010708 1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600 1.2.643.5.1.13.13.12.2.77.8252.01120104060301100213100004141203 1.2.643.5.1.13.13.12.2.77.8252.03030806061309020808141008071213 spine hip_right 1 0 unspecified 0 1 0 1 0 0 1 0 union 0 bad
117 dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.165355673991587715046346525964554729786 1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600 1.2.643.5.1.13.13.12.2.77.8252.03030806061309020808141008071213 1.2.643.5.1.13.13.12.2.77.8252.05130006080703150808130311150104 hip_right spine 0 1 artifact 0 1 0 0 1 1 0 0 union 0
118 dataset_hack/НД_для_обучения/Исследования/2.25.165355673991587715046346525964554729786/series_003_3_CR/A2506448267 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.165355673991587715046346525964554729786 2.25.167344201679287285499405412654740659745 1.2.643.5.1.13.13.12.2.77.8252.12060501010302051215051203010600 1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800 1.2.643.5.1.13.13.12.2.77.8252.05130006080703150808130311150104 1.2.643.5.1.13.13.12.2.77.8252.05050004021105041108010100020012 spine hip_left 1 0 artifact 1 0 0 1 0 0 0 union 0
119 dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.167344201679287285499405412654740659745 1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800 1.2.643.5.1.13.13.12.2.77.8252.05050004021105041108010100020012 1.2.643.5.1.13.13.12.2.77.8252.03020203090713120707041512070302 hip_left hip_right 0 0 0 0 0 0 union 0
120 dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.167344201679287285499405412654740659745 1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800 1.2.643.5.1.13.13.12.2.77.8252.03020203090713120707041512070302 1.2.643.5.1.13.13.12.2.77.8252.06020510071406141308051102110806 hip_right spine 0 0 0 0 0 0 union 0
121 dataset_hack/НД_для_обучения/Исследования/2.25.167344201679287285499405412654740659745/series_003_2_CR/A2504249537 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.167344201679287285499405412654740659745 2.25.16773626720107440979805052259711419763 1.2.643.5.1.13.13.12.2.77.8252.11061310061408070513110011010800 1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813 1.2.643.5.1.13.13.12.2.77.8252.06020510071406141308051102110806 1.2.643.5.1.13.13.12.2.77.8252.15000110101510080415120006131402 spine hip_left 0 0 0 0 0 0 union 0
122 dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.16773626720107440979805052259711419763 1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813 1.2.643.5.1.13.13.12.2.77.8252.15000110101510080415120006131402 1.2.643.5.1.13.13.12.2.77.8252.13040605040810031203041510031012 hip_left hip_right 0 0 0 0 0 0 union 0
123 dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.16773626720107440979805052259711419763 1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813 1.2.643.5.1.13.13.12.2.77.8252.13040605040810031203041510031012 1.2.643.5.1.13.13.12.2.77.8252.09031014151115011007041507060209 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
124 dataset_hack/НД_для_обучения/Исследования/2.25.16773626720107440979805052259711419763/series_004_2_CR/A2507537392 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.16773626720107440979805052259711419763 2.25.168317503020329569414190677927680518621 1.2.643.5.1.13.13.12.2.77.8252.09131109110213080611001502040813 1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506 1.2.643.5.1.13.13.12.2.77.8252.09031014151115011007041507060209 1.2.643.5.1.13.13.12.2.77.8252.03110002011112060400010906040109 spine hip_left 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad
125 dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.168317503020329569414190677927680518621 1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506 1.2.643.5.1.13.13.12.2.77.8252.03110002011112060400010906040109 1.2.643.5.1.13.13.12.2.77.8252.10050700041001040614050614130103 hip_left hip_right 0 0 0 0 0 0 union 0
126 dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.168317503020329569414190677927680518621 1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506 1.2.643.5.1.13.13.12.2.77.8252.10050700041001040614050614130103 1.2.643.5.1.13.13.12.2.77.8252.08150001020008051511060800070004 hip_right spine 0 0 0 0 0 0 union 0
127 dataset_hack/НД_для_обучения/Исследования/2.25.168317503020329569414190677927680518621/series_004_2_CR/A2507557128 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.169242707068684757906797344800977707240/series_003_2_CR/A2507185832 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.168317503020329569414190677927680518621 2.25.169242707068684757906797344800977707240 1.2.643.5.1.13.13.12.2.77.8252.11120509060313030005050308070506 1.2.643.5.1.13.13.12.2.77.8252.11130805080112021004150213051005 1.2.643.5.1.13.13.12.2.77.8252.08150001020008051511060800070004 1.2.643.5.1.13.13.12.2.77.8252.03020907090204060013031106111312 spine 0 0 0 0 0 0 union 0
128 dataset_hack/НД_для_обучения/Исследования/2.25.169242707068684757906797344800977707240/series_003_2_CR/A2507185832 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.169242707068684757906797344800977707240 2.25.172445998420765569384934552191547932566 1.2.643.5.1.13.13.12.2.77.8252.11130805080112021004150213051005 1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512 1.2.643.5.1.13.13.12.2.77.8252.03020907090204060013031106111312 1.2.643.5.1.13.13.12.2.77.8252.05030907080814020708000711150507 spine hip_left 0 0 0 0 0 0 union 0
129 dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.172445998420765569384934552191547932566 1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512 1.2.643.5.1.13.13.12.2.77.8252.05030907080814020708000711150507 1.2.643.5.1.13.13.12.2.77.8252.15151313120000020410110702050700 hip_left hip_right 0 0 0 0 0 0 union 0
130 dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.172445998420765569384934552191547932566 1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512 1.2.643.5.1.13.13.12.2.77.8252.15151313120000020410110702050700 1.2.643.5.1.13.13.12.2.77.8252.08131412000401011215150704040610 hip_right spine 0 1 artifact 0 1 0 0 1 0 0 union 0
131 dataset_hack/НД_для_обучения/Исследования/2.25.172445998420765569384934552191547932566/series_004_2_CR/A2507368766 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/r_hip_01.dcm spine_01.dcm r_hip_01.dcm 2.25.172445998420765569384934552191547932566 2.25.173731186748227489808861376513577450951 1.2.643.5.1.13.13.12.2.77.8252.07141114011403010702060406101512 1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307 1.2.643.5.1.13.13.12.2.77.8252.08131412000401011215150704040610 1.2.643.5.1.13.13.12.2.77.8252.04070212140009090002060410031413 spine hip_right 1 0 artifact 1 0 0 1 0 0 1 0 union 0
132 dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.173731186748227489808861376513577450951 1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307 1.2.643.5.1.13.13.12.2.77.8252.04070212140009090002060410031413 1.2.643.5.1.13.13.12.2.77.8252.01091510011014070612050311031410 hip_right spine 0 0 0 0 1 0 0 union 0
133 dataset_hack/НД_для_обучения/Исследования/2.25.173731186748227489808861376513577450951/series_002_2_CR/A2507188958 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.173731186748227489808861376513577450951 2.25.173753313169335820519632380691065649420 1.2.643.5.1.13.13.12.2.77.8252.02011400121411091003041007011307 1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807 1.2.643.5.1.13.13.12.2.77.8252.01091510011014070612050311031410 1.2.643.5.1.13.13.12.2.77.8252.10100404000008120405081411021306 spine hip_left 0 0 0 0 0 0 union 0
134 dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/r_hip_01_bad.dcm l_hip_01.dcm r_hip_01_bad.dcm 2.25.173753313169335820519632380691065649420 1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807 1.2.643.5.1.13.13.12.2.77.8252.10100404000008120405081411021306 1.2.643.5.1.13.13.12.2.77.8252.04111300031205120703050100121209 hip_left hip_right 0 1 roi_incorrect 0 1 0 1 0 0 0 union 0 bad
135 dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/r_hip_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/spine_01.dcm r_hip_01_bad.dcm spine_01.dcm 2.25.173753313169335820519632380691065649420 1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807 1.2.643.5.1.13.13.12.2.77.8252.04111300031205120703050100121209 1.2.643.5.1.13.13.12.2.77.8252.13001014110608151112110112061114 hip_right spine 1 roi_incorrect axis_deviation 1 1 0 0 1 0 0 union 0 bad
136 dataset_hack/НД_для_обучения/Исследования/2.25.173753313169335820519632380691065649420/series_003_2_CR/A2504265499 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.173753313169335820519632380691065649420 2.25.175881661753775295785039265792986971602 1.2.643.5.1.13.13.12.2.77.8252.09090912081008051408101503020807 1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014 1.2.643.5.1.13.13.12.2.77.8252.13001014110608151112110112061114 1.2.643.5.1.13.13.12.2.77.8252.06070803110509120507010310141201 spine hip_left 1 0 axis_deviation 1 0 0 1 0 0 0 union 0 сколиоз
137 dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.175881661753775295785039265792986971602 1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014 1.2.643.5.1.13.13.12.2.77.8252.06070803110509120507010310141201 1.2.643.5.1.13.13.12.2.77.8252.10000603030913050503020611051415 hip_left hip_right 0 0 0 0 0 0 union 0 сколиоз
138 dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.175881661753775295785039265792986971602 1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014 1.2.643.5.1.13.13.12.2.77.8252.10000603030913050503020611051415 1.2.643.5.1.13.13.12.2.77.8252.14060403060314010506081209070311 hip_right spine 0 0 0 0 0 0 union 0 сколиоз
139 dataset_hack/НД_для_обучения/Исследования/2.25.175881661753775295785039265792986971602/series_003_2_CR/A2507266462 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.175881661753775295785039265792986971602 2.25.175903805423871105435148927871625232853 1.2.643.5.1.13.13.12.2.77.8252.01091501110815031100020500130014 1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312 1.2.643.5.1.13.13.12.2.77.8252.14060403060314010506081209070311 1.2.643.5.1.13.13.12.2.77.8252.13151105000600070510031109011109 spine hip_left 0 0 0 0 0 0 union 0 сколиоз
140 dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/r_hip_02.dcm l_hip_01.dcm r_hip_02.dcm 2.25.175903805423871105435148927871625232853 1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312 1.2.643.5.1.13.13.12.2.77.8252.13151105000600070510031109011109 1.2.643.5.1.13.13.12.2.77.8252.15100208060002090813060606131404 hip_left hip_right 0 0 0 0 0 0 union 0
141 dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/r_hip_02.dcm dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/spine_01.dcm r_hip_02.dcm spine_01.dcm 2.25.175903805423871105435148927871625232853 1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312 1.2.643.5.1.13.13.12.2.77.8252.15100208060002090813060606131404 1.2.643.5.1.13.13.12.2.77.8252.12071204070300150506091512141413 hip_right spine 0 0 0 0 0 0 union 0
142 dataset_hack/НД_для_обучения/Исследования/2.25.175903805423871105435148927871625232853/series_001_2_CR/A2507159447 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/l_hip_01_bad.dcm spine_01.dcm l_hip_01_bad.dcm 2.25.175903805423871105435148927871625232853 2.25.17706555930735581384953296958427669848 1.2.643.5.1.13.13.12.2.77.8252.08010308000211020503020307091312 1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205 1.2.643.5.1.13.13.12.2.77.8252.12071204070300150506091512141413 1.2.643.5.1.13.13.12.2.77.8252.08081313070715151208110603030015 spine hip_left 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
143 dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/l_hip_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/r_hip_01.dcm l_hip_01_bad.dcm r_hip_01.dcm 2.25.17706555930735581384953296958427669848 1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205 1.2.643.5.1.13.13.12.2.77.8252.08081313070715151208110603030015 1.2.643.5.1.13.13.12.2.77.8252.11051514070611150905020505061111 hip_left hip_right 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad
144 dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.17706555930735581384953296958427669848 1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205 1.2.643.5.1.13.13.12.2.77.8252.11051514070611150905020505061111 1.2.643.5.1.13.13.12.2.77.8252.03050114141207061001080502130215 hip_right spine 0 1 artifact 0 1 0 0 1 0 0 union 0
145 dataset_hack/НД_для_обучения/Исследования/2.25.17706555930735581384953296958427669848/series_004_3_CR/A2504146513 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.17706555930735581384953296958427669848 2.25.177745077805190810016231350557005569203 1.2.643.5.1.13.13.12.2.77.8252.15150900091406150103131401151205 1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911 1.2.643.5.1.13.13.12.2.77.8252.03050114141207061001080502130215 1.2.643.5.1.13.13.12.2.77.8252.06130700140211110505051411010711 spine hip_left 1 0 artifact 1 0 0 1 0 0 0 union 0
146 dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.177745077805190810016231350557005569203 1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911 1.2.643.5.1.13.13.12.2.77.8252.06130700140211110505051411010711 1.2.643.5.1.13.13.12.2.77.8252.04150214121314031409051312111410 hip_left hip_right 0 0 0 0 0 0 union 0
147 dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.177745077805190810016231350557005569203 1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911 1.2.643.5.1.13.13.12.2.77.8252.04150214121314031409051312111410 1.2.643.5.1.13.13.12.2.77.8252.03031110041309110901030612131412 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
148 dataset_hack/НД_для_обучения/Исследования/2.25.177745077805190810016231350557005569203/series_002_2_CR/A2504273759 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.178533355209696795441380751187185128893/series_003_2_CR/A2507155452 DXA/CR DXA/spine_01.dcm spine_01_bad.dcm spine_01.dcm 2.25.177745077805190810016231350557005569203 2.25.178533355209696795441380751187185128893 1.2.643.5.1.13.13.12.2.77.8252.11110412020614040803060513120911 1.2.643.5.1.13.13.12.2.77.8252.05000609021402010711070801100904 1.2.643.5.1.13.13.12.2.77.8252.03031110041309110901030612131412 1.2.643.5.1.13.13.12.2.77.8252.14110604050810020100071004090404 spine 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad сколиоз
149 dataset_hack/НД_для_обучения/Исследования/2.25.178533355209696795441380751187185128893/series_003_2_CR/A2507155452 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.178533355209696795441380751187185128893 2.25.181196659018348153828200695057897449628 1.2.643.5.1.13.13.12.2.77.8252.05000609021402010711070801100904 1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305 1.2.643.5.1.13.13.12.2.77.8252.14110604050810020100071004090404 1.2.643.5.1.13.13.12.2.77.8252.07040306041313130904140702020908 spine hip_left 0 0 0 0 0 0 union 0 сколиоз
150 dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.181196659018348153828200695057897449628 1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305 1.2.643.5.1.13.13.12.2.77.8252.07040306041313130904140702020908 1.2.643.5.1.13.13.12.2.77.8252.14150808010700150501131415040808 hip_left hip_right 0 0 0 0 0 0 union 0
151 dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.181196659018348153828200695057897449628 1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305 1.2.643.5.1.13.13.12.2.77.8252.14150808010700150501131415040808 1.2.643.5.1.13.13.12.2.77.8252.08141015091400020302110912090508 hip_right spine 0 0 0 0 0 0 union 0
152 dataset_hack/НД_для_обучения/Исследования/2.25.181196659018348153828200695057897449628/series_004_2_CR/A2507370620 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.181196659018348153828200695057897449628 2.25.184198356665635336833172191504278054074 1.2.643.5.1.13.13.12.2.77.8252.04121102011402150303110508111305 1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214 1.2.643.5.1.13.13.12.2.77.8252.08141015091400020302110912090508 1.2.643.5.1.13.13.12.2.77.8252.02150805140008141106110606070801 spine hip_left 0 0 0 0 0 0 union 0
153 dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.184198356665635336833172191504278054074 1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214 1.2.643.5.1.13.13.12.2.77.8252.02150805140008141106110606070801 1.2.643.5.1.13.13.12.2.77.8252.11141409010404080202090702050104 hip_left hip_right 0 0 0 0 0 0 union 0
154 dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.184198356665635336833172191504278054074 1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214 1.2.643.5.1.13.13.12.2.77.8252.11141409010404080202090702050104 1.2.643.5.1.13.13.12.2.77.8252.04151306060901060605121400081206 hip_right spine 0 0 0 0 0 0 union 0
155 dataset_hack/НД_для_обучения/Исследования/2.25.184198356665635336833172191504278054074/series_004_2_CR/A250788286 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.184198356665635336833172191504278054074 2.25.186201010600484120326273381077449377115 1.2.643.5.1.13.13.12.2.77.8252.04101108050208091310021407111214 1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000 1.2.643.5.1.13.13.12.2.77.8252.04151306060901060605121400081206 1.2.643.5.1.13.13.12.2.77.8252.00091315091215060415120908060402 spine hip_left 0 0 0 0 0 0 union 0
156 dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.186201010600484120326273381077449377115 1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000 1.2.643.5.1.13.13.12.2.77.8252.00091315091215060415120908060402 1.2.643.5.1.13.13.12.2.77.8252.01110601131107041511021510061211 hip_left hip_right 0 0 0 0 0 0 union 0
157 dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.186201010600484120326273381077449377115 1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000 1.2.643.5.1.13.13.12.2.77.8252.01110601131107041511021510061211 1.2.643.5.1.13.13.12.2.77.8252.07140512060315100814061103061308 hip_right spine 0 0 0 0 0 0 union 0
158 dataset_hack/НД_для_обучения/Исследования/2.25.186201010600484120326273381077449377115/series_004_2_CR/A250777475 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.186201010600484120326273381077449377115 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.04030111120106061513080209011000 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.07140512060315100814061103061308 1.2.643.5.1.13.13.12.2.77.8252.03000010070307110614031003090302 spine hip_left 0 0 0 0 0 0 union 0
159 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.03000010070307110614031003090302 1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608 hip_left hip_right 0 1 rotation 0 1 0 0 1 0 0 union 0
160 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.190331309633057244929837507901317950031 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.11050911061500091304001000100608 1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910 hip_right spine 1 rotation axis_deviation 1 0 1 0 0 union 0
161 dataset_hack/НД_для_обучения/Исследования/2.25.190331309633057244929837507901317950031/series_001_2_CR/A250791815 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm spine_01.dcm r_hip_01.dcm 2.25.190331309633057244929837507901317950031 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.08070600001410030512060707091212 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.11100109131006120600020910050910 1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802 spine hip_right 1 0 axis_deviation 1 0 0 1 0 0 1 0 union 0
162 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.190807933410234695931591553323782771995 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.10101410111513000809081215030802 1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801 hip_right spine 0 1 artifact 0 1 0 1 0 1 0 0 union 0 bad
163 dataset_hack/НД_для_обучения/Исследования/2.25.190807933410234695931591553323782771995/series_002_3_CR/A250762254 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.190807933410234695931591553323782771995 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13050309140908091510010214121510 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.04000404020304020301120408100801 1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312 spine hip_left 1 artifact rotation 1 0 1 0 0 union 0
164 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.00070615051510041500030210150312 1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411 hip_left hip_right 1 rotation 1 0 1 0 0 union 0
165 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.215177279960644564778148238928738915103 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.02120211101306000510080011031411 1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104 hip_right spine 1 0 rotation 1 0 0 1 0 0 0 union 0
166 dataset_hack/НД_для_обучения/Исследования/2.25.215177279960644564778148238928738915103/series_002_2_CR/A2504147013 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.215177279960644564778148238928738915103 2.25.217397325224876728316360420804118329081 1.2.643.5.1.13.13.12.2.77.8252.13011101150906100811130003020808 1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812 1.2.643.5.1.13.13.12.2.77.8252.05011012001311141515001115080104 1.2.643.5.1.13.13.12.2.77.8252.10000400041408060608031009090710 spine hip_left 0 0 0 0 0 0 union 0
167 dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.217397325224876728316360420804118329081 1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812 1.2.643.5.1.13.13.12.2.77.8252.10000400041408060608031009090710 1.2.643.5.1.13.13.12.2.77.8252.02091115080411030312040600000701 hip_left hip_right 0 0 0 0 0 0 union 0
168 dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.217397325224876728316360420804118329081 1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812 1.2.643.5.1.13.13.12.2.77.8252.02091115080411030312040600000701 1.2.643.5.1.13.13.12.2.77.8252.04131001000110131311121304090609 hip_right spine 0 0 0 0 0 0 union 0
169 dataset_hack/НД_для_обучения/Исследования/2.25.217397325224876728316360420804118329081/series_002_2_CR/A250474631 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.220866240977467582196609708837940253840/series_001_2_CR/A2504258893 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.217397325224876728316360420804118329081 2.25.220866240977467582196609708837940253840 1.2.643.5.1.13.13.12.2.77.8252.15060506051311040306151405130812 1.2.643.5.1.13.13.12.2.77.8252.04071115100300090601031200020808 1.2.643.5.1.13.13.12.2.77.8252.04131001000110131311121304090609 1.2.643.5.1.13.13.12.2.77.8252.03010603150012061509030005111300 spine 0 1 axis_deviation 0 1 0 1 0 0 0 union 0 bad
170 dataset_hack/НД_для_обучения/Исследования/2.25.220866240977467582196609708837940253840/series_001_2_CR/A2504258893 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/l_hip_01_bad.dcm spine_01_bad.dcm l_hip_01_bad.dcm 2.25.220866240977467582196609708837940253840 2.25.234651502352368356456298825489565282446 1.2.643.5.1.13.13.12.2.77.8252.04071115100300090601031200020808 1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510 1.2.643.5.1.13.13.12.2.77.8252.03010603150012061509030005111300 1.2.643.5.1.13.13.12.2.77.8252.02051208030605070510050510081213 spine hip_left 1 axis_deviation rotation 1 1 0 0 0 union 0 bad
171 dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/l_hip_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/r_hip_01_bad.dcm l_hip_01_bad.dcm r_hip_01_bad.dcm 2.25.234651502352368356456298825489565282446 1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510 1.2.643.5.1.13.13.12.2.77.8252.02051208030605070510050510081213 1.2.643.5.1.13.13.12.2.77.8252.09140613011500120102030800080807 hip_left hip_right 1 rotation 1 1 0 0 0 union 0 bad
172 dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/r_hip_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/spine_01_bad.dcm r_hip_01_bad.dcm spine_01_bad.dcm 2.25.234651502352368356456298825489565282446 1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510 1.2.643.5.1.13.13.12.2.77.8252.09140613011500120102030800080807 1.2.643.5.1.13.13.12.2.77.8252.09031307051100020212010511060414 hip_right spine 1 rotation unspecified 1 0 1 0 1 0 0 union 0 bad
173 dataset_hack/НД_для_обучения/Исследования/2.25.234651502352368356456298825489565282446/series_002_2_CR/A2504307193 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.234651502352368356456298825489565282446 2.25.247714038039430659432048101646401574824 1.2.643.5.1.13.13.12.2.77.8252.11000715091405120315010100101510 1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100 1.2.643.5.1.13.13.12.2.77.8252.09031307051100020212010511060414 1.2.643.5.1.13.13.12.2.77.8252.13110800060502010303101404091303 spine hip_left 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad
174 dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.247714038039430659432048101646401574824 1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100 1.2.643.5.1.13.13.12.2.77.8252.13110800060502010303101404091303 1.2.643.5.1.13.13.12.2.77.8252.06051510010614000404080600020603 hip_left hip_right 0 0 0 0 0 0 union 0
175 dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.247714038039430659432048101646401574824 1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100 1.2.643.5.1.13.13.12.2.77.8252.06051510010614000404080600020603 1.2.643.5.1.13.13.12.2.77.8252.06030210110500061108030910090908 hip_right spine 0 1 artifact 0 1 0 1 0 0 0 union 0 bad
176 dataset_hack/НД_для_обучения/Исследования/2.25.247714038039430659432048101646401574824/series_002_2_CR/A2504238024 DXA Exam/CR DXA Images/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.247714038039430659432048101646401574824 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.01010712071105151008051412091100 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.06030210110500061108030910090908 1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501 spine hip_left 1 0 artifact 1 0 1 0 0 0 0 union 0 bad
177 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12031014110715041000030602140501 1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115 hip_left hip_right 0 0 0 0 0 0 union 0
178 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.269648774413746842548908998641183395622 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.12130902030702050210110604020115 1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311 hip_right spine 0 1 axis_deviation;artifact 0 1 0 0 1 0 0 union 0
179 dataset_hack/НД_для_обучения/Исследования/2.25.269648774413746842548908998641183395622/series_001_2_CR/A2504393664 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.269648774413746842548908998641183395622 2.25.269742577365511543488820993979123763373 1.2.643.5.1.13.13.12.2.77.8252.13000111030510001210030508000815 1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404 1.2.643.5.1.13.13.12.2.77.8252.02001209000515050108060411111311 1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304 spine 1 axis_deviation;artifact unspecified 1 0 0 1 1 0 0 union 0 bad сколиоз
180 dataset_hack/НД_для_обучения/Исследования/2.25.269742577365511543488820993979123763373/series_003_2_CR/A250477751 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.269742577365511543488820993979123763373 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.05011409090000061404080803060404 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.11081308031311040302130506061304 1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303 spine hip_left 0 1 rotation 0 1 0 0 1 0 0 union 0 сколиоз
181 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.01011201030601080312040805131303 1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406 hip_left hip_right 1 0 rotation 1 0 0 1 0 0 0 union 0
182 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.272690031744216183651627058502316132741 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06121304010102150202081301011406 1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad
183 dataset_hack/НД_для_обучения/Исследования/2.25.272690031744216183651627058502316132741/series_002_2_CR/A2504373414 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.272690031744216183651627058502316132741 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.15120712020613071211131414040509 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.06030606140315081407041104141012 1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102 spine hip_left 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad сколиоз
184 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.06120002061108140400041203121102 1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015 hip_left hip_right 0 0 0 0 0 0 union 0 сколиоз
185 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.276415754443998872860614500027519740375 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.15130815100101091501031008111015 1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006 hip_right spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad сколиоз
186 dataset_hack/НД_для_обучения/Исследования/2.25.276415754443998872860614500027519740375/series_002_2_CR/A2504387089 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01_bad.dcm spine_01_bad.dcm l_hip_01_bad.dcm 2.25.276415754443998872860614500027519740375 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.06111506140814121408000710091014 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.13000009090006001202001212051006 1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912 spine hip_left 1 unspecified roi_incorrect 0 1 1 1 0 0 0 union 0 bad сколиоз
187 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01_bad.dcm l_hip_01.dcm r_hip_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.11140100091110050501140207060912 1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407 hip_left hip_right 1 roi_incorrect unspecified 1 0 0 1 1 0 0 union 0 bad
188 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.277752758923974029595977676354128739670 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.09010705011309010307011213150407 1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301 hip_right spine 0 1 artifact 0 1 0 1 0 0 0 union 0 bad
189 dataset_hack/НД_для_обучения/Исследования/2.25.277752758923974029595977676354128739670/series_002_2_CR/A2504223752 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.277752758923974029595977676354128739670 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.01150001000900060703031302131108 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.15080302090100001214141305071301 1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311 spine hip_left 1 0 artifact 1 0 0 1 0 0 0 union 0 сколиоз
190 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.11091010090201121300090614051311 1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103 hip_left hip_right 0 0 0 0 0 0 union 0 сколиоз
191 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.286999464611662854355201599068538813496 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.15080906090913051107110915140103 1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501 hip_right spine 0 0 0 0 0 0 union 0 сколиоз
192 dataset_hack/НД_для_обучения/Исследования/2.25.286999464611662854355201599068538813496/series_003_2_CR/A2504223477 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.286999464611662854355201599068538813496 2.25.29638026465755240167985424461715024381 1.2.643.5.1.13.13.12.2.77.8252.06121310051313071012071011000214 1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701 1.2.643.5.1.13.13.12.2.77.8252.02141512030209141106060309030501 1.2.643.5.1.13.13.12.2.77.8252.09040806151211060704090912150608 spine hip_left 0 0 0 0 0 0 union 0 сколиоз
193 dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.29638026465755240167985424461715024381 1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701 1.2.643.5.1.13.13.12.2.77.8252.09040806151211060704090912150608 1.2.643.5.1.13.13.12.2.77.8252.12090901030412121214030908040015 hip_left hip_right 0 0 0 0 0 0 union 0
194 dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.29638026465755240167985424461715024381 1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701 1.2.643.5.1.13.13.12.2.77.8252.12090901030412121214030908040015 1.2.643.5.1.13.13.12.2.77.8252.12021011000615031102060001101203 hip_right spine 0 1 positioning 0 1 0 1 0 0 0 union 0 bad
195 dataset_hack/НД_для_обучения/Исследования/2.25.29638026465755240167985424461715024381/series_004_3_CR/A2504115579 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm spine_01_bad.dcm spine_01.dcm 2.25.29638026465755240167985424461715024381 2.25.306921081709806079165809721263236241032 1.2.643.5.1.13.13.12.2.77.8252.09020304121009030507130509070701 1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705 1.2.643.5.1.13.13.12.2.77.8252.12021011000615031102060001101203 1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313 spine 1 0 positioning 1 0 1 0 0 0 0 union 0 bad
196 dataset_hack/НД_для_обучения/Исследования/2.25.306921081709806079165809721263236241032/series_002_2_CR/A2504381177 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.306921081709806079165809721263236241032 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.13070707001109051012021502000705 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.05140704131104071313121101000313 1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409 spine hip_left 0 0 0 0 0 0 union 0
197 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.12090115120005000603040515131409 1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414 hip_left hip_right 0 0 0 0 0 0 union 0
198 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.307021710202910067378603383388989711646 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.09020610121102091006070609000414 1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011 hip_right spine 0 1 artifact 0 1 0 1 0 0 0 union 0 bad
199 dataset_hack/НД_для_обучения/Исследования/2.25.307021710202910067378603383388989711646/series_004_2_CR/A2504110565 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.307021710202910067378603383388989711646 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.04040806101100130101150009051415 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.10011315050807060809100706050011 1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015 spine hip_left 1 0 artifact 1 0 0 1 0 0 0 union 0
200 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.09030700121011131209150303151015 1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011 hip_left hip_right 0 0 0 0 0 0 union 0
201 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.309085571913348252136520206003694446566 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.07070904150315000704031208001011 1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514 hip_right spine 0 1 axis_deviation 0 1 0 0 1 0 0 union 0
202 dataset_hack/НД_для_обучения/Исследования/2.25.309085571913348252136520206003694446566/series_002_2_CR/A2504116267 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.309085571913348252136520206003694446566 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.06051105050701010502031403141206 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.03121103130007121510030803050514 1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812 spine hip_left 1 0 axis_deviation 1 0 0 1 0 0 0 union 0
203 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.02000306061002040514101500000812 1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001 hip_left hip_right 0 0 0 0 0 0 union 0
204 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.314147167453134440746270747484612743945 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.01130904120915050401031210031001 1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210 hip_right spine 0 0 0 0 0 0 union 0
205 dataset_hack/НД_для_обучения/Исследования/2.25.314147167453134440746270747484612743945/series_002_2_CR/A2504224780 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.314147167453134440746270747484612743945 2.25.322202456901330781765399791024580391565 1.2.643.5.1.13.13.12.2.77.8252.10110305110802141404051200020210 1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105 1.2.643.5.1.13.13.12.2.77.8252.02120204101515130306021007150210 1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711 spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad сколиоз
206 dataset_hack/НД_для_обучения/Исследования/2.25.322202456901330781765399791024580391565/series_002_2_CR/A2504350020 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.322202456901330781765399791024580391565 2.25.338439598607961312040815816824093323492 1.2.643.5.1.13.13.12.2.77.8252.10000214070110110712041100051105 1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912 1.2.643.5.1.13.13.12.2.77.8252.06061007030610120805010913100711 1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310 spine 0 1 artifact 0 1 0 1 0 0 0 union 0 bad сколиоз
207 dataset_hack/НД_для_обучения/Исследования/2.25.338439598607961312040815816824093323492/series_002_2_CR/A2504147124 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.338439598607961312040815816824093323492 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.09061205050201001102041514000912 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.13110108131113110013070512051310 1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506 spine hip_left 1 0 artifact 1 0 1 0 0 0 0 union 0 bad сколиоз
208 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.05111003151314100612100700031506 1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600 hip_left hip_right 0 0 0 0 0 0 union 0 сколиоз
209 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.339027809107632348165171236474821772940 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.11010912010413080807030107050600 1.2.643.5.1.13.13.12.2.77.8252.04091012040015061107090014081504 hip_right spine 0 1 unspecified 0 1 0 1 0 0 0 union 0 bad сколиоз
210 dataset_hack/НД_для_обучения/Исследования/2.25.339027809107632348165171236474821772940/series_001_2_CR/A2504349642 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.339027809107632348165171236474821772940 2.25.340839477910528898406207279980417945 1.2.643.5.1.13.13.12.2.77.8252.00021509100701140314011205150113 1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303 1.2.643.5.1.13.13.12.2.77.8252.04091012040015061107090014081504 1.2.643.5.1.13.13.12.2.77.8252.05030701101012140702110704000714 spine hip_left 1 0 unspecified 1 0 1 0 0 0 0 union 0 bad сколиоз
211 dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.340839477910528898406207279980417945 1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303 1.2.643.5.1.13.13.12.2.77.8252.05030701101012140702110704000714 1.2.643.5.1.13.13.12.2.77.8252.14120712151005010200040708001308 hip_left hip_right 0 0 0 0 0 0 union 0
212 dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.340839477910528898406207279980417945 1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303 1.2.643.5.1.13.13.12.2.77.8252.14120712151005010200040708001308 1.2.643.5.1.13.13.12.2.77.8252.12111312010203070900101115051015 hip_right spine 0 0 0 0 0 0 union 0
213 dataset_hack/НД_для_обучения/Исследования/2.25.340839477910528898406207279980417945/series_001_2_CR/A2504224555 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.340839477910528898406207279980417945 2.25.37515662379281069436632838996073181551 1.2.643.5.1.13.13.12.2.77.8252.02100613110404001511060101141303 1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308 1.2.643.5.1.13.13.12.2.77.8252.12111312010203070900101115051015 1.2.643.5.1.13.13.12.2.77.8252.08110803070615141513021414111001 spine hip_left 0 0 0 0 0 0 union 0 Хороший пример отклонения оси при КТ п-ка
214 dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.37515662379281069436632838996073181551 1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308 1.2.643.5.1.13.13.12.2.77.8252.08110803070615141513021414111001 1.2.643.5.1.13.13.12.2.77.8252.12090208061115110101131315120813 hip_left hip_right 0 0 0 0 0 0 union 0 Хороший пример отклонения оси при КТ п-ка
215 dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.37515662379281069436632838996073181551 1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308 1.2.643.5.1.13.13.12.2.77.8252.12090208061115110101131315120813 1.2.643.5.1.13.13.12.2.77.8252.05001409080504151204111500000514 hip_right spine 0 1 axis_deviation 0 1 0 1 0 0 0 union 0 bad Хороший пример отклонения оси при КТ п-ка
216 dataset_hack/НД_для_обучения/Исследования/2.25.37515662379281069436632838996073181551/series_001_2_CR/A2504329840 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.37515662379281069436632838996073181551 2.25.39068163399801173920284179500049527111 1.2.643.5.1.13.13.12.2.77.8252.08050709020911100006011108031308 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.05001409080504151204111500000514 1.2.643.5.1.13.13.12.2.77.8252.00030605020706130003080307080701 spine hip_left 1 axis_deviation rotation 1 1 0 0 1 0 0 union 0 bad Хороший пример отклонения оси при КТ п-ка
217 dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.39068163399801173920284179500049527111 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.00030605020706130003080307080701 1.2.643.5.1.13.13.12.2.77.8252.07150610130411050211021514011106 hip_left hip_right 1 rotation 1 0 1 0 0 union 0
218 dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.39068163399801173920284179500049527111 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.07150610130411050211021514011106 1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212 hip_right spine 1 rotation axis_deviation;artifact 1 0 1 0 0 union 0
219 dataset_hack/НД_для_обучения/Исследования/2.25.39068163399801173920284179500049527111/series_002_2_CR/A2504195842 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.39068163399801173920284179500049527111 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.14030514000710060800130100011214 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.15141302131508150312140605060212 1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501 spine hip_left 1 axis_deviation;artifact rotation 1 0 1 0 0 union 0 Требует внимание
220 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.06080100090802110008000311010501 1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108 hip_left hip_right 1 rotation 1 0 1 0 0 union 0 Требует внимание
221 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.48906424954135283790354958243772558962 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.03010404051000131408111209140108 1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003 hip_right spine 1 rotation artifact 1 0 1 1 0 0 0 union 0 bad Требует внимание
222 dataset_hack/НД_для_обучения/Исследования/2.25.48906424954135283790354958243772558962/series_001_2_CR/A2504185596 DXA Exam/CR DXA Images/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.48906424954135283790354958243772558962 2.25.52532476139575422857225834315571570912 1.2.643.5.1.13.13.12.2.77.8252.06031007110009040706001109051004 1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509 1.2.643.5.1.13.13.12.2.77.8252.02031401091510001200041308031003 1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110 spine 1 artifact unspecified 1 0 1 1 0 0 0 union 0 bad Требует внимание Сколиоз, не верня разметка
223 dataset_hack/НД_для_обучения/Исследования/2.25.52532476139575422857225834315571570912/series_001_2_CR/A2504247961 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.52532476139575422857225834315571570912 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.12150004000513030900100606011509 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.07120809010109050202061111011110 1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701 spine hip_left 1 0 unspecified 1 0 1 0 0 0 0 union 0 bad Сколиоз, не верня разметка L6, люмбализация
224 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.07081506021006111207090213090701 1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509 hip_left hip_right 0 0 0 0 0 0 union 0 L6, люмбализация
225 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.52982400970721161435951723390541696819 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.06001210040802120801060507001509 1.2.643.5.1.13.13.12.2.77.8252.02030504060005060505040905021305 hip_right spine 0 1 positioning 0 1 0 0 1 0 0 union 0 L6, люмбализация
226 dataset_hack/НД_для_обучения/Исследования/2.25.52982400970721161435951723390541696819/series_001_2_CR/A2504331065 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.54396839637320114639948764487283877793/series_003_2_CR/A2504111090 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.52982400970721161435951723390541696819 2.25.54396839637320114639948764487283877793 1.2.643.5.1.13.13.12.2.77.8252.14030804041506011403100115131006 1.2.643.5.1.13.13.12.2.77.8252.15041203090015060404010507050405 1.2.643.5.1.13.13.12.2.77.8252.02030504060005060505040905021305 1.2.643.5.1.13.13.12.2.77.8252.02060605151213121009151302130207 spine 1 positioning unspecified 1 0 0 1 1 0 0 union 0 bad L6, люмбализация
227 dataset_hack/НД_для_обучения/Исследования/2.25.54396839637320114639948764487283877793/series_003_2_CR/A2504111090 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.59542620917302828428419211045951914336/series_001_2_CR/A2504303391 DXA/CR DXA/spine_01_bad.dcm spine_01_bad.dcm 2.25.54396839637320114639948764487283877793 2.25.59542620917302828428419211045951914336 1.2.643.5.1.13.13.12.2.77.8252.15041203090015060404010507050405 1.2.643.5.1.13.13.12.2.77.8252.13101512050003031109001004060403 1.2.643.5.1.13.13.12.2.77.8252.02060605151213121009151302130207 1.2.643.5.1.13.13.12.2.77.8252.07101010011513020401030213080905 spine 1 unspecified artifact 0 1 1 1 0 0 0 union 0 bad
228 dataset_hack/НД_для_обучения/Исследования/2.25.59542620917302828428419211045951914336/series_001_2_CR/A2504303391 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.59542620917302828428419211045951914336 2.25.65954778282254353457041255543338557112 1.2.643.5.1.13.13.12.2.77.8252.13101512050003031109001004060403 1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405 1.2.643.5.1.13.13.12.2.77.8252.07101010011513020401030213080905 1.2.643.5.1.13.13.12.2.77.8252.11130315030911081202140406010814 spine hip_left 1 0 artifact 1 0 1 0 0 0 0 union 0 bad
229 dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.65954778282254353457041255543338557112 1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405 1.2.643.5.1.13.13.12.2.77.8252.11130315030911081202140406010814 1.2.643.5.1.13.13.12.2.77.8252.10000615050107010300151404090301 hip_left hip_right 0 0 0 0 0 0 union 0
230 dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.65954778282254353457041255543338557112 1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405 1.2.643.5.1.13.13.12.2.77.8252.10000615050107010300151404090301 1.2.643.5.1.13.13.12.2.77.8252.05111111030105140803060510040613 hip_right spine 0 0 0 0 0 0 union 0
231 dataset_hack/НД_для_обучения/Исследования/2.25.65954778282254353457041255543338557112/series_004_3_CR/A2504246289 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.65954778282254353457041255543338557112 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.09110800100012120800030006041405 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.05111111030105140803060510040613 1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802 spine hip_left 0 1 rotation 0 1 0 0 1 0 0 union 0
232 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm l_hip_01.dcm r_hip_01_bad.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.08021214010408050013070405100802 1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411 hip_left hip_right 1 rotation 1 0 1 1 0 0 0 union 0 bad
233 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/r_hip_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm r_hip_01_bad.dcm spine_01.dcm 2.25.66397484472966116002950503539482860450 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.02091011000006010704070004091411 1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000 hip_right spine 1 0 rotation 1 0 1 0 0 0 0 union 0 bad
234 dataset_hack/НД_для_обучения/Исследования/2.25.66397484472966116002950503539482860450/series_001_2_CR/A2504194637 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_02_bad.dcm spine_01.dcm l_hip_02_bad.dcm 2.25.66397484472966116002950503539482860450 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.00140708141309070509131215090805 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.01011407000709010910090115010000 1.2.643.5.1.13.13.12.2.77.8252.09110310111109140609041514031010 spine hip_left 0 1 rotation 0 1 0 1 0 0 0 union 0 bad Отклонение оси, нет малых вертелов
235 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_02_bad.dcm l_hip_01.dcm r_hip_02_bad.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.12110509121413070408000802041201 1.2.643.5.1.13.13.12.2.77.8252.13090506040311041500070413151313 hip_left hip_right 1 rotation 1 0 1 1 0 0 0 union 0 bad Отклонение оси, нет малых вертелов
236 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.73070100851377917031356937075051545239 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.00031305050707070014000611130907 1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107 hip_right spine 1 rotation axis_deviation 1 0 1 0 0 union 0 Отклонение оси, нет малых вертелов
237 dataset_hack/НД_для_обучения/Исследования/2.25.73070100851377917031356937075051545239/series_002_2_CR/A2504239110 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.73070100851377917031356937075051545239 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.04140410030403000101120807100701 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.07150604010711031305090702140107 1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611 spine hip_left 1 0 axis_deviation 1 0 0 1 0 0 0 union 0 Отклонение оси, нет малых вертелов
238 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.14130302090906050506100315000611 1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509 hip_left hip_right 0 0 0 0 0 0 union 0
239 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.76710355977373089612172037086913478687 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.02050808061207030811150709091509 1.2.643.5.1.13.13.12.2.77.8252.06151311061015011100110511080701 hip_right spine 0 0 0 0 0 0 union 0
240 dataset_hack/НД_для_обучения/Исследования/2.25.76710355977373089612172037086913478687/series_002_3_CR/A2504104830 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.76710355977373089612172037086913478687 2.25.78999454687125053757525542837745968726 1.2.643.5.1.13.13.12.2.77.8252.02001413040700010813000013120308 1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404 1.2.643.5.1.13.13.12.2.77.8252.06151311061015011100110511080701 1.2.643.5.1.13.13.12.2.77.8252.07150713040501120002001009141410 spine hip_left 0 1 rotation 0 1 0 0 1 0 0 union 0 Требует внимание
241 dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.78999454687125053757525542837745968726 1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404 1.2.643.5.1.13.13.12.2.77.8252.07150713040501120002001009141410 1.2.643.5.1.13.13.12.2.77.8252.05120913001500151408091003040415 hip_left hip_right 1 rotation 1 0 1 0 0 union 0 Требует внимание
242 dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.78999454687125053757525542837745968726 1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404 1.2.643.5.1.13.13.12.2.77.8252.05120913001500151408091003040415 1.2.643.5.1.13.13.12.2.77.8252.11011500050713141305050211140308 hip_right spine 1 0 rotation 1 0 0 1 0 0 0 union 0 Требует внимание
243 dataset_hack/НД_для_обучения/Исследования/2.25.78999454687125053757525542837745968726/series_004_3_CR/A2504222617 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.78999454687125053757525542837745968726 2.25.82912555346523716720160717883917565880 1.2.643.5.1.13.13.12.2.77.8252.11011102050904000102020212011404 1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205 1.2.643.5.1.13.13.12.2.77.8252.11011500050713141305050211140308 1.2.643.5.1.13.13.12.2.77.8252.13130903011502030304101506090814 spine hip_left 0 0 0 0 0 0 union 0 Требует внимание Хороший пример ротации
244 dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.82912555346523716720160717883917565880 1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205 1.2.643.5.1.13.13.12.2.77.8252.13130903011502030304101506090814 1.2.643.5.1.13.13.12.2.77.8252.15121403061107000609060400100413 hip_left hip_right 0 1 rotation 0 1 0 0 1 0 0 union 0 Хороший пример ротации
245 dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.82912555346523716720160717883917565880 1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205 1.2.643.5.1.13.13.12.2.77.8252.15121403061107000609060400100413 1.2.643.5.1.13.13.12.2.77.8252.15001111061311011106030303001309 hip_right spine 1 0 rotation 1 0 0 1 0 0 0 union 0 Хороший пример ротации
246 dataset_hack/НД_для_обучения/Исследования/2.25.82912555346523716720160717883917565880/series_002_2_CR/A2504149480 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.87718478011637131470224319788530286374/series_002_2_CR/A2504337993 DXA/CR DXA/spine_01_bad.dcm spine_01.dcm spine_01_bad.dcm 2.25.82912555346523716720160717883917565880 2.25.87718478011637131470224319788530286374 1.2.643.5.1.13.13.12.2.77.8252.07120201111314111500000602130205 1.2.643.5.1.13.13.12.2.77.8252.07060506150205030514061006111408 1.2.643.5.1.13.13.12.2.77.8252.15001111061311011106030303001309 1.2.643.5.1.13.13.12.2.77.8252.10041006131411151513070104110809 spine 0 1 unspecified 0 0 1 0 1 0 0 union 0 bad Хороший пример ротации
247 dataset_hack/НД_для_обучения/Исследования/2.25.87718478011637131470224319788530286374/series_002_2_CR/A2504337993 DXA/CR DXA/spine_01_bad.dcm dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/l_hip_01.dcm spine_01_bad.dcm l_hip_01.dcm 2.25.87718478011637131470224319788530286374 2.25.87869906212286587478854831452123526595 1.2.643.5.1.13.13.12.2.77.8252.07060506150205030514061006111408 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.10041006131411151513070104110809 1.2.643.5.1.13.13.12.2.77.8252.15101115041306031303150405131115 spine hip_left 1 0 unspecified 0 1 0 1 0 0 0 union 0 bad
248 dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.87869906212286587478854831452123526595 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.15101115041306031303150405131115 1.2.643.5.1.13.13.12.2.77.8252.06111209081313111015020309051508 hip_left hip_right 0 0 0 0 0 0 union 0
249 dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm r_hip_01.dcm spine_01.dcm 2.25.87869906212286587478854831452123526595 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.06111209081313111015020309051508 1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511 hip_right spine 0 1 artifact 0 1 0 0 1 0 0 union 0
250 dataset_hack/НД_для_обучения/Исследования/2.25.87869906212286587478854831452123526595/series_002_2_CR/A250419699 DXA/CR DXA/spine_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm spine_01.dcm l_hip_01.dcm 2.25.87869906212286587478854831452123526595 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.09131504151204000006060612091203 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.04050904100201141507070306131511 1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309 spine hip_left 1 0 artifact 1 0 0 1 0 0 0 union 0
251 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/l_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm l_hip_01.dcm r_hip_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.04000607141411061507120106050309 1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411 hip_left hip_right 0 0 0 0 0 0 union 0
252 dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/r_hip_01.dcm dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01_bad.dcm r_hip_01.dcm spine_01_bad.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.08061201060114131102110802141411 1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701 hip_right spine 0 1 positioning 0 1 0 1 0 0 0 union 0 bad
dataset_hack/НД_для_обучения/Исследования/2.25.91981043841368764114007975581101713077/series_003_2_CR/A250496619 DXA/CR DXA/spine_01.dcm spine_01.dcm 2.25.91981043841368764114007975581101713077 1.2.643.5.1.13.13.12.2.77.8252.07090507040208000106080811060202 1.2.643.5.1.13.13.12.2.77.8252.07021003040810040809000711080701 spine 1 positioning 1 0 1 0 0

BIN
labels/labels_images_union.xlsx
View File

Binary file not shown.

2
labels/split_expert_seed42.json
View File

@ -22,6 +22,6 @@
],
"val_fraction": 0.2,
"seed": 42,
"train_images": 199,
"train_images": 198,
"val_images": 53
}

BIN
models/dxa_model.pth
View File

Binary file not shown.

2642
models/train_report.json
View File

File diff suppressed because it is too large Load Diff

28
models/train_report.md
View File

@ -4,23 +4,23 @@
- Устройство: `mps`
- Источник меток: `labels/labels_images.csv`
- Seed: 42, балансировка классов: `none`
- Размер выборок: train 199 снимков / 81 исследований, val 53 снимков / 19 исследований (разбиение по исследованиям)
- Размер выборок: train 198 снимков / 81 исследований, val 53 снимков / 19 исследований (разбиение по исследованиям)
- Предобработка: `{'norm': 'percentile', 'p_low': 0.5, 'p_high': 99.5, 'imagenet_norm': True, 'input_size': 224}`
- Обучено эпох: 64, лучшая эпоха: 39
- Рабочий порог (подобран по F1 на валидации): логит -0.4930 (вероятность 0.3792)
- Обучено эпох: 82, лучшая эпоха: 57
- Рабочий порог (подобран по F1 на валидации): логит -0.1370 (вероятность 0.4658)
## Метрики на валидации (лучший чекпоинт)
| Метрика | Значение |
|---|---|
| Accuracy | 0.5849 |
| Precision | 0.4118 |
| Recall | 0.8750 |
| F1 | 0.5600 |
| ROC-AUC | 0.6706 |
| PR-AUC | 0.4585 |
| Порог (логит / вероятность) | -0.4930 / 0.3792 |
| TP/TN/FP/FN | 14/17/20/2 |
| Accuracy | 0.6792 |
| Precision | 0.4783 |
| Recall | 0.6875 |
| F1 | 0.5641 |
| ROC-AUC | 0.6689 |
| PR-AUC | 0.4769 |
| Порог (логит / вероятность) | -0.1370 / 0.4658 |
| TP/TN/FP/FN | 11/25/12/5 |
> Валидация невелика (единицы исследований), поэтому метрики имеют широкий доверительный интервал и не заменяют оценку на закрытом наборе.
@ -28,9 +28,9 @@
| Область | n | Нарушений | ROC-AUC | F1 | Recall |
|---|---|---|---|---|---|
| spine | 19 | 5 | 0.9429 | 0.6667 | 1.0000 |
| hip_right | 17 | 6 | 0.5758 | 0.5333 | 0.6667 |
| hip_left | 17 | 5 | 0.5500 | 0.5000 | 1.0000 |
| spine | 19 | 5 | 0.9286 | 0.8000 | 0.8000 |
| hip_right | 17 | 6 | 0.6061 | 0.5714 | 0.6667 |
| hip_left | 17 | 5 | 0.5667 | 0.4000 | 0.6000 |
> Нарушения в наборе распределены крайне неравномерно (в позвоночнике ~29 % снимков против ~4–5 % у бёдер), а анатомическая область почти однозначно определяется по размеру кадра. Поэтому общий AUC частично отражает различение области, а не только распознавание дефекта: сопоставляйте общий показатель со значениями по областям.

27
run.sh
View File

@ -5,9 +5,10 @@
# Использование: ./run.sh <команда> [аргументы]
# ./run.sh train [доп. аргументы для src.dxa.train]
# ./run.sh infer <вход> <выход.xlsx|.csv> [доп. аргументы]
# ./run.sh serve [порт]
# ./run.sh serve [порт] http://localhost:PORT — анализ; /label — ручная разметка
# ./run.sh label
# ./run.sh split
# ./run.sh review [--limit N] пакет ручной разметки для врача; --merge — наложить вердикты
# ./run.sh rename [--apply]
# ./run.sh compare
# ./run.sh test
@ -28,6 +29,7 @@ LABELS_CSV=${LABELS_CSV:-labels/labels_images.csv}
LABELS_REFERENCE_CSV=${LABELS_REFERENCE_CSV:-labels/labels_images_expert.csv}
SPLIT_FILE=${SPLIT_FILE:-labels/split_expert_seed42.json}
RENAME_MAP=${RENAME_MAP:-labels/rename_map.csv}
REVIEW_OUT=${REVIEW_OUT:-review/doctor_review.html}
PORT=${PORT:-8000}
command=${1:-help}
@ -88,6 +90,29 @@ case "$command" in
"$@"
;;
review)
# Два режима у одной команды: собрать пакет для специалиста или наложить
# вернувшиеся вердикты. Наличие --merge в аргументах и различает их.
if [[ " $* " == *" --merge "* ]]; then
echo -e "${YELLOW}Наложение вердиктов специалиста на построенную разметку${NC}"
"$PYTHON" -m src.dxa.review_pack \
--data-root "$DATA_ROOT" \
--annotation-path "$ANNOTATION_PATH" \
--labels-csv "$LABELS_CSV" \
"$@"
else
echo -e "${YELLOW}Пакет ручной разметки для специалиста${NC}"
echo " пакет: $REVIEW_OUT (переопределяется --out)"
echo " вернувшиеся вердикты: ./run.sh review --merge review/doctor.csv --out labels/labels_images_reviewed.csv"
"$PYTHON" -m src.dxa.review_pack \
--data-root "$DATA_ROOT" \
--annotation-path "$ANNOTATION_PATH" \
--labels-csv "$LABELS_CSV" \
--out "$REVIEW_OUT" \
"$@"
fi
;;
rename)
echo -e "${YELLOW}Приведение имён DICOM к единому виду${NC}"
if [ "${1:-}" = "--apply" ]; then

494
src/api/static/js/labeling.js Normal file
View File

@ -0,0 +1,494 @@
/*
* Интерфейс ручной разметки снимков.
*
* Работает поверх /api/v1/labeling/*: список снимков с текущей меткой и её
* происхождением, просмотр снимка и сохранение вердикта специалиста. Оценка
* модели здесь намеренно не запрашивается — подсказка смещала бы разметчика, а
* назначение инструмента ровно в том, чтобы получить независимое суждение
* человека (раздел 2.6 задания: подтверждение разметки специалистом).
*/
'use strict';
const REGION_LABELS = {
spine: 'Позвоночник',
hip_right: 'Бедро R',
hip_left: 'Бедро L',
'': 'область не определена',
};
const SOURCE_LABELS = {
table: 'экспертная таблица',
filename: 'имя файла',
manual: 'ручной вердикт',
};
const state = {
items: [],
total: 0,
offset: 0,
limit: 24,
selected: null,
progress: null,
regions: [],
violations: [],
loading: false,
};
const $ = (id) => document.getElementById(id);
function esc(value) {
return String(value === null || value === undefined ? '' : value).replace(
/[&<>"']/g,
(ch) => ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;', "'": '&#39;' }[ch])
);
}
function regionLabel(region) {
return REGION_LABELS[region] || region || REGION_LABELS[''];
}
function labelBadge(label, source) {
const isBad = Number(label) === 1;
const cls = isBad
? 'bg-red-100 text-red-700 dark:bg-red-900/40 dark:text-red-300'
: 'bg-green-100 text-green-700 dark:bg-green-900/40 dark:text-green-300';
const text = isBad ? 'нарушение' : 'годное';
return `<span class="px-2 py-0.5 rounded text-xs ${cls}">${text}</span>
<span class="text-xs text-gray-500 dark:text-gray-400">${esc(SOURCE_LABELS[source] || source)}</span>`;
}
async function api(url, options) {
const response = await fetch(url, options);
let payload = null;
try {
payload = await response.json();
} catch (err) {
payload = null;
}
if (!response.ok) {
const message = (payload && payload.error) || `HTTP ${response.status}`;
throw new Error(message);
}
return payload;
}
/* --- Фильтры и список ---------------------------------------------------- */
function itemQuery(extra) {
const params = new URLSearchParams();
params.set('limit', String(state.limit));
params.set('offset', String(state.offset));
const region = $('filterRegion').value;
if (region) params.set('region', region);
if ($('filterConflicts').checked) params.set('conflicts', 'true');
if ($('filterUnreviewed').checked) params.set('unreviewed', 'true');
const query = $('filterQuery').value.trim();
if (query) params.set('q', query);
Object.entries(extra || {}).forEach(([key, value]) => params.set(key, value));
return params;
}
async function loadItems(reset) {
if (state.loading) return;
state.loading = true;
if (reset) {
state.offset = 0;
state.items = [];
}
try {
const payload = await api(`/api/v1/labeling/items?${itemQuery()}`);
state.total = payload.total;
state.progress = payload.progress;
state.regions = payload.regions;
state.violations = payload.violations;
state.items = reset ? payload.items : state.items.concat(payload.items);
state.offset = state.items.length;
renderSummary();
renderList();
} catch (err) {
showError(`Не удалось получить список снимков: ${err.message}`);
} finally {
state.loading = false;
}
}
function renderSummary() {
const progress = state.progress || {};
const total = progress.total || 0;
const reviewed = progress.reviewed || 0;
const percent = total ? Math.round((reviewed / total) * 100) : 0;
$('progressText').textContent = `Разобрано ${reviewed} из ${total} снимков (${percent}%)`;
$('progressBar').style.width = `${percent}%`;
$('conflictText').textContent = progress.filename_conflict
? `${progress.filename_conflict} расхождений разметки с именем файла`
: '';
$('byRegion').textContent = Object.entries(progress.by_region || {})
.map(([region, counts]) => `${regionLabel(region)}: ${counts.reviewed}/${counts.total}`)
.join(' · ');
}
function renderList() {
const list = $('list');
if (!state.items.length) {
list.innerHTML = '<p class="text-sm text-gray-500 dark:text-gray-400 p-3">Под фильтр ничего не подошло.</p>';
$('more').classList.add('hidden');
return;
}
list.innerHTML = state.items
.map((item) => {
const active = state.selected && state.selected.path === item.path;
const conflict = item.filename_conflict
? '<span class="px-1.5 py-0.5 rounded text-xs bg-amber-100 text-amber-700 dark:bg-amber-900/40 dark:text-amber-300">расхождение</span>'
: '';
const reviewed = item.reviewed
? '<i class="fas fa-circle-check text-green-600 dark:text-green-400"></i>'
: '<i class="fas fa-circle text-xs text-gray-300 dark:text-gray-600"></i>';
return `<button class="item-card w-full text-left p-2.5 rounded-lg border border-gray-200 dark:border-gray-700 bg-white dark:bg-gray-800 hover:bg-gray-50 dark:hover:bg-gray-700 ${active ? 'active' : ''}"
data-path="${esc(item.path)}">
<div class="flex items-center justify-between gap-2">
<span class="text-sm font-medium truncate">${esc(item.file)}</span>
${reviewed}
</div>
<div class="flex flex-wrap items-center gap-2 mt-1">
${labelBadge(item.label, item.label_source)}
<span class="text-xs text-gray-500 dark:text-gray-400">${esc(regionLabel(item.region))}</span>
${conflict}
</div>
${item.violation_label ? `<div class="text-xs text-gray-500 dark:text-gray-400 mt-1">${esc(item.violation_label)}</div>` : ''}
</button>`;
})
.join('');
list.querySelectorAll('[data-path]').forEach((node) => {
node.addEventListener('click', () => selectItem(node.dataset.path, false));
});
$('more').classList.toggle('hidden', state.items.length >= state.total);
}
/* --- Разбор выбранного снимка -------------------------------------------- */
function selectItem(path, scroll) {
const item = state.items.find((candidate) => candidate.path === path);
if (!item) return;
state.selected = item;
renderList();
renderDetail();
if (scroll) {
const node = $('list').querySelector(`[data-path="${CSS.escape(path)}"]`);
if (node) node.scrollIntoView({ block: 'nearest' });
}
}
function violationsFor(region) {
const matches = state.violations.filter((entry) => {
if (entry.scope === 'any') return true;
if (entry.scope === 'hip') return region === 'hip_right' || region === 'hip_left';
return entry.scope === region;
});
// Критерий конкретной области идёт первым: на бедре это ротация, а не
// артефакт, который подходит любой области и потому стоит выше в словаре.
return matches
.filter((entry) => entry.scope !== 'any')
.concat(matches.filter((entry) => entry.scope === 'any'));
}
function renderDetail() {
const item = state.selected;
const detail = $('detail');
if (!item) {
detail.innerHTML = '<p class="text-gray-500 dark:text-gray-400">Выберите снимок из списка слева.</p>';
return;
}
const region = item.region || item.base_region || 'spine';
const options = violationsFor(region)
.map(
(entry) =>
`<option value="${esc(entry.code)}" ${entry.code === item.violation ? 'selected' : ''}>${esc(entry.label)}</option>`
)
.join('');
const conflict = item.filename_conflict
? `<div class="mt-2 p-2 rounded bg-amber-50 dark:bg-amber-900/20 text-amber-800 dark:text-amber-300 text-xs">
Метка разметки не совпадает с пометкой в имени файла (${esc(item.marker || '—')}).
Проверьте снимок и подтвердите верный вердикт.
</div>`
: '';
const reviewedBlock = item.reviewed
? `<div class="text-xs text-gray-500 dark:text-gray-400 mt-1">
Ручной вердикт: ${esc(item.reviewer || 'без имени')}, ${esc(item.reviewed_at)}
${item.comment ? `— «${esc(item.comment)}»` : ''}
</div>`
: '';
detail.innerHTML = `
<div class="flex flex-wrap items-start justify-between gap-3">
<div class="min-w-0">
<h2 class="text-base font-semibold truncate">${esc(item.file)}</h2>
<p class="text-xs text-gray-500 dark:text-gray-400 break-all">${esc(item.path)}</p>
<div class="flex flex-wrap items-center gap-2 mt-2">
${labelBadge(item.label, item.label_source)}
<span class="text-xs text-gray-500 dark:text-gray-400">${esc(regionLabel(item.region))}</span>
${item.violation_label ? `<span class="text-xs text-gray-500 dark:text-gray-400">${esc(item.violation_label)}</span>` : ''}
</div>
${reviewedBlock}
</div>
<button id="deleteVerdict" class="px-3 py-2 rounded-lg bg-gray-100 dark:bg-gray-700 text-sm hover:bg-gray-200 dark:hover:bg-gray-600 transition ${item.reviewed ? '' : 'invisible'}">
<i class="fas fa-rotate-left mr-1"></i> Снять вердикт
</button>
</div>
${conflict}
<div class="mt-4 rounded-lg overflow-hidden border border-gray-200 dark:border-gray-700">
<img id="image" src="${esc(item.image_url)}" alt="${esc(item.file)}"
class="w-full max-h-[52vh] object-contain">
</div>
<div class="mt-4 grid gap-3 sm:grid-cols-2">
<label class="text-sm">Анатомическая область
<select id="region" class="mt-1 w-full px-2 py-1.5 rounded border border-gray-300 dark:border-gray-600 bg-white dark:bg-gray-700">
${['spine', 'hip_right', 'hip_left']
.map((code) => `<option value="${code}" ${code === region ? 'selected' : ''}>${esc(REGION_LABELS[code])}</option>`)
.join('')}
</select>
</label>
<label class="text-sm">Тип нарушения
<select id="violation" class="mt-1 w-full px-2 py-1.5 rounded border border-gray-300 dark:border-gray-600 bg-white dark:bg-gray-700">
<option value="">— нет нарушения —</option>
${options}
</select>
</label>
</div>
<div class="mt-3 flex flex-wrap gap-2">
<button id="markGood" class="flex-1 min-w-[10rem] px-4 py-2.5 rounded-lg bg-green-600 text-white hover:bg-green-700 transition">
<i class="fas fa-check mr-1"></i> Годное <span class="text-xs opacity-75">(g)</span>
</button>
<button id="markBad" class="flex-1 min-w-[10rem] px-4 py-2.5 rounded-lg bg-red-600 text-white hover:bg-red-700 transition">
<i class="fas fa-triangle-exclamation mr-1"></i> Нарушение <span class="text-xs opacity-75">(b)</span>
</button>
</div>
<label class="block mt-3 text-sm">Комментарий
<input id="comment" type="text" value="${esc(item.comment)}" placeholder="что именно не так"
class="mt-1 w-full px-2 py-1.5 rounded border border-gray-300 dark:border-gray-600 bg-white dark:bg-gray-700">
</label>
<div class="mt-3 flex items-center gap-3">
<button id="saveVerdict" class="px-5 py-2.5 rounded-lg bg-primary-600 text-white hover:bg-primary-700 transition">
<i class="fas fa-floppy-disk mr-1"></i> Сохранить и далее <span class="text-xs opacity-75">(Enter)</span>
</button>
<span id="detailStatus" class="text-sm text-gray-500 dark:text-gray-400"></span>
</div>
<p class="text-xs text-gray-500 dark:text-gray-400 mt-3">
Горячие клавиши: <b>g</b> — годное, <b>b</b> — нарушение, <b>Enter</b> — сохранить,
<b>d</b> — снять вердикт, <b>j</b>/<b>k</b> — следующий/предыдущий снимок.
</p>`;
$('markGood').addEventListener('click', () => applyQuality(0));
$('markBad').addEventListener('click', () => applyQuality(1));
$('saveVerdict').addEventListener('click', () => saveVerdict());
$('deleteVerdict').addEventListener('click', () => deleteVerdict());
$('region').addEventListener('change', renderDetail);
$('violation').addEventListener('change', onViolationChange);
}
/** Выбор качества: «нарушение» требует типа, «годное» его снимает. */
function applyQuality(quality) {
const item = state.selected;
if (!item) return;
item.pendingQuality = quality;
const violation = $('violation');
if (quality === 0) {
violation.value = '';
} else if (!violation.value) {
const first = violationsFor($('region').value)[0];
if (first) violation.value = first.code;
}
$('markGood').classList.toggle('ring-4', quality === 0);
$('markBad').classList.toggle('ring-4', quality === 1);
$('markGood').classList.toggle('ring-green-300', quality === 0);
$('markBad').classList.toggle('ring-red-300', quality === 1);
$('detailStatus').textContent = quality === 1 ? 'Отмечено: нарушение' : 'Отмечено: годное';
}
function currentQuality() {
const item = state.selected;
if (item && item.pendingQuality !== undefined) return item.pendingQuality;
return item ? Number(item.label) : 0;
}
function onViolationChange() {
const violation = $('violation').value;
const item = state.selected;
if (!item) return;
// Тип нарушения и метка не могут противоречить друг другу: выбор типа
// означает «нарушение», снятие типа — «годное».
item.pendingQuality = violation ? 1 : 0;
$('detailStatus').textContent = violation ? 'Отмечено: нарушение' : 'Отмечено: годное';
}
async function saveVerdict() {
const item = state.selected;
if (!item) return;
const quality = currentQuality();
const violation = $('violation').value;
const payload = {
path: item.path,
region: $('region').value,
quality: quality,
violation: quality === 1 ? violation : '',
comment: $('comment').value,
reviewer: $('reviewer').value,
};
try {
const response = await api('/api/v1/labeling/verdict', {
method: 'POST',
headers: { 'Content-Type': 'application/json' },
body: JSON.stringify(payload),
});
state.progress = response.progress;
item.reviewed = true;
item.label = quality;
item.violation = payload.violation;
item.comment = payload.comment;
item.reviewer = payload.reviewer;
item.reviewed_at = response.saved.reviewed_at;
item.label_source = 'manual';
item.violation_label = violationLabel(payload.violation);
item.pendingQuality = undefined;
renderSummary();
renderList();
goToNeighbour(1);
} catch (err) {
$('detailStatus').textContent = `Не сохранено: ${err.message}`;
}
}
function violationLabel(code) {
const entry = state.violations.find((candidate) => candidate.code === code);
return entry ? entry.label : '';
}
async function deleteVerdict() {
const item = state.selected;
if (!item || !item.reviewed) return;
try {
const response = await api(`/api/v1/labeling/verdict?path=${encodeURIComponent(item.path)}`, {
method: 'DELETE',
});
state.progress = response.progress;
await refreshSelected(item.path);
} catch (err) {
$('detailStatus').textContent = `Не снято: ${err.message}`;
}
}
/** Перечитать список и удержать выбранный снимок (метки приходят с сервера). */
async function refreshSelected(path) {
const previous = state.total;
state.limit = Math.max(state.limit, state.items.length);
await loadItems(true);
const target = state.items.find((candidate) => candidate.path === path);
if (target) {
selectItem(path, true);
} else if (state.items.length) {
selectItem(state.items[0].path, true);
} else if (previous !== state.total) {
renderDetail();
}
}
function goToNeighbour(step) {
if (!state.selected) return;
const index = state.items.findIndex((item) => item.path === state.selected.path);
const next = state.items[index + step];
if (next) {
selectItem(next.path, true);
} else if (!next && step > 0 && state.items.length < state.total) {
loadItems(false).then(() => {
const last = state.items.find((item) => !item.reviewed) || state.items[state.items.length - 1];
if (last) selectItem(last.path, true);
});
}
}
function showError(message) {
const list = $('list');
list.innerHTML = `<p class="text-sm text-red-600 dark:text-red-400 p-3">${esc(message)}</p>`;
}
/* --- Служебное ----------------------------------------------------------- */
function downloadExport(scope, fmt) {
window.location.href = `/api/v1/labeling/export?scope=${scope}&fmt=${fmt}`;
}
function initTheme() {
const stored = window.localStorage.getItem('dxa-theme');
if (stored === 'dark' || (!stored && window.matchMedia('(prefers-color-scheme: dark)').matches)) {
document.documentElement.classList.add('dark');
}
$('themeToggle').addEventListener('click', () => {
document.documentElement.classList.toggle('dark');
window.localStorage.setItem(
'dxa-theme',
document.documentElement.classList.contains('dark') ? 'dark' : 'light'
);
});
}
function initShortcuts() {
document.addEventListener('keydown', (event) => {
if (event.target.matches('input, select, textarea')) {
if (event.key === 'Enter' && state.selected) {
event.preventDefault();
saveVerdict();
}
return;
}
if (!state.selected) return;
switch (event.key) {
case 'g': applyQuality(0); break;
case 'b': applyQuality(1); break;
case 'Enter': event.preventDefault(); saveVerdict(); break;
case 'd': deleteVerdict(); break;
case 'j': goToNeighbour(1); break;
case 'k': goToNeighbour(-1); break;
default: break;
}
});
}
function initFilters() {
['filterRegion', 'filterConflicts', 'filterUnreviewed'].forEach((id) => {
$(id).addEventListener('change', () => loadItems(true));
});
let timer = null;
$('filterQuery').addEventListener('input', () => {
window.clearTimeout(timer);
timer = window.setTimeout(() => loadItems(true), 300);
});
$('more').addEventListener('click', () => loadItems(false));
$('exportCsv').addEventListener('click', () => downloadExport('all', 'csv'));
$('exportReviewed').addEventListener('click', () => downloadExport('reviewed', 'csv'));
$('exportXlsx').addEventListener('click', () => downloadExport('all', 'xlsx'));
}
document.addEventListener('DOMContentLoaded', () => {
initTheme();
initFilters();
initShortcuts();
loadItems(true);
});

142
src/api/static/label.html Normal file
View File

@ -0,0 +1,142 @@
<!DOCTYPE html>
<html lang="ru">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Ручная разметка — DXA Quality Assessment</title>
<!-- Пустая favicon: без неё браузер запрашивает /favicon.ico и получает 404. -->
<link rel="icon" href="data:,">
<!-- Tailwind и FontAwesome локальные, как и на главной странице: сервис
должен работать в закрытом контуре без обращений к CDN. -->
<script src="/static/vendor/tailwind.js"></script>
<link rel="stylesheet" href="/static/vendor/fontawesome.css">
<script>
tailwind.config = {
darkMode: 'class',
theme: {
extend: {
colors: {
primary: {
50: '#eff6ff', 100: '#dbeafe', 200: '#bfdbfe', 300: '#93c5fd',
400: '#60a5fa', 500: '#3b82f6', 600: '#2563eb', 700: '#1d4ed8',
800: '#1e40af', 900: '#1e3a8a',
}
}
}
}
}
</script>
<style>
.item-card { transition: background-color .15s ease, border-color .15s ease; }
.item-card.active { border-color: #2563eb; background-color: #eff6ff; }
.dark .item-card.active { background-color: rgba(37, 99, 235, .18); }
#image { image-rendering: auto; background: #0f172a; }
</style>
</head>
<body class="bg-gray-50 dark:bg-gray-900 min-h-screen text-gray-800 dark:text-gray-100">
<header class="bg-white dark:bg-gray-800 shadow-sm sticky top-0 z-10">
<div class="max-w-[110rem] mx-auto px-4 py-3 flex flex-wrap items-center justify-between gap-3">
<div class="flex items-center gap-3">
<div class="w-10 h-10 bg-primary-600 rounded-lg flex items-center justify-center">
<i class="fas fa-pen-to-square text-white text-xl"></i>
</div>
<div>
<h1 class="text-lg font-bold text-gray-900 dark:text-white">Ручная разметка</h1>
<p class="text-xs text-gray-500 dark:text-gray-400">
Поштучная оценка снимков специалистом — вердикты идут в
<code>labels/manual_labels.csv</code>
</p>
</div>
</div>
<div class="flex items-center gap-3">
<label class="text-sm text-gray-600 dark:text-gray-300">
Разметчик
<input id="reviewer" type="text" placeholder="ФИО"
class="ml-1 px-2 py-1 w-40 rounded border border-gray-300 dark:border-gray-600 bg-white dark:bg-gray-700 text-sm">
</label>
<button id="themeToggle" class="p-2 rounded-lg bg-gray-100 dark:bg-gray-700 text-gray-600 dark:text-gray-300 hover:bg-gray-200 dark:hover:bg-gray-600 transition">
<i class="fas fa-moon dark:hidden"></i>
<i class="fas fa-sun hidden dark:inline"></i>
</button>
<a href="/" class="flex items-center gap-2 px-3 py-2 bg-gray-100 dark:bg-gray-700 rounded-lg text-gray-700 dark:text-gray-300 hover:bg-gray-200 dark:hover:bg-gray-600 transition text-sm">
<i class="fas fa-arrow-left"></i> К анализу
</a>
</div>
</div>
</header>
<main class="max-w-[110rem] mx-auto px-4 py-5">
<!-- Сводка и выгрузка -->
<section class="mb-5 p-4 rounded-xl bg-white dark:bg-gray-800 shadow-sm">
<div class="flex flex-wrap items-center justify-between gap-4">
<div class="min-w-[18rem] flex-1">
<div class="flex items-center justify-between text-sm mb-1">
<span id="progressText" class="text-gray-600 dark:text-gray-300">Загрузка…</span>
<span id="conflictText" class="text-amber-600 dark:text-amber-400"></span>
</div>
<div class="w-full h-2 rounded bg-gray-200 dark:bg-gray-700 overflow-hidden">
<div id="progressBar" class="h-full bg-primary-600" style="width:0%"></div>
</div>
<p id="byRegion" class="text-xs text-gray-500 dark:text-gray-400 mt-2"></p>
</div>
<div class="flex items-center gap-2">
<button id="exportCsv" class="px-3 py-2 rounded-lg bg-primary-600 text-white text-sm hover:bg-primary-700 transition">
<i class="fas fa-file-csv mr-1"></i> CSV (весь набор)
</button>
<button id="exportReviewed" class="px-3 py-2 rounded-lg bg-gray-100 dark:bg-gray-700 text-sm hover:bg-gray-200 dark:hover:bg-gray-600 transition">
<i class="fas fa-file-lines mr-1"></i> CSV (разобранное)
</button>
<button id="exportXlsx" class="px-3 py-2 rounded-lg bg-gray-100 dark:bg-gray-700 text-sm hover:bg-gray-200 dark:hover:bg-gray-600 transition">
<i class="fas fa-file-excel mr-1"></i> XLSX
</button>
</div>
</div>
<p class="text-xs text-gray-500 dark:text-gray-400 mt-3">
Выгрузка «весь набор» накладывает ручные вердикты на построенную разметку и
принимается обучением как <code>--labels-csv</code>.
Оценка модели здесь намеренно не показывается: подсказка смещала бы разметчика.
</p>
</section>
<div class="grid gap-5 lg:grid-cols-[26rem_minmax(0,1fr)]">
<!-- Фильтры и список -->
<aside class="space-y-3">
<div class="p-3 rounded-xl bg-white dark:bg-gray-800 shadow-sm space-y-2">
<div class="flex flex-wrap gap-2">
<select id="filterRegion" class="px-2 py-1 rounded border border-gray-300 dark:border-gray-600 bg-white dark:bg-gray-700 text-sm">
<option value="">Все области</option>
<option value="spine">Позвоночник</option>
<option value="hip_right">Бедро R</option>
<option value="hip_left">Бедро L</option>
</select>
<label class="flex items-center gap-1 text-sm">
<input id="filterConflicts" type="checkbox"> только расхождения
</label>
<label class="flex items-center gap-1 text-sm">
<input id="filterUnreviewed" type="checkbox" checked> неразобранные
</label>
</div>
<input id="filterQuery" type="search" placeholder="Поиск по пути…"
class="w-full px-2 py-1 rounded border border-gray-300 dark:border-gray-600 bg-white dark:bg-gray-700 text-sm">
<p class="text-xs text-gray-500 dark:text-gray-400">
Расхождения метки разметки с пометкой в имени файла идут первыми:
ошибка возможна в любом из источников.
</p>
</div>
<div id="list" class="space-y-2 max-h-[62vh] overflow-y-auto pr-1"></div>
<button id="more" class="hidden w-full px-3 py-2 rounded-lg bg-gray-100 dark:bg-gray-700 text-sm hover:bg-gray-200 dark:hover:bg-gray-600 transition">
Показать ещё
</button>
</aside>
<!-- Разбор снимка -->
<section id="detail" class="p-4 rounded-xl bg-white dark:bg-gray-800 shadow-sm">
<p class="text-gray-500 dark:text-gray-400">Выберите снимок из списка слева.</p>
</section>
</div>
</main>
<script src="/static/js/labeling.js"></script>
</body>
</html>

10
src/dxa/excel_labels.py
View File

@ -437,8 +437,14 @@ def write_csv(labels: Sequence[ImageLabel], out_path: str | Path) -> Path:
def load_labels_csv(path: str | Path) -> Dict[str, Dict[str, str]]:
"""Прочитать построенную разметку; ключ — путь к снимку из `path_to_image`."""
with Path(path).open(newline="", encoding="utf-8") as fh:
"""
Прочитать построенную разметку; ключ — путь к снимку из `path_to_image`.
Файл читается как `utf-8-sig`: разметку правят в Excel, а он сохраняет CSV с
BOM, после чего имя первого столбца перестаёт быть `path_to_image` и загрузка
падает на несовпадении колонок. BOM в начале файла безвреден для чтения.
"""
with Path(path).open(newline="", encoding="utf-8-sig") as fh:
rows = list(csv.DictReader(fh))
if not rows:
raise ValueError(f"Empty labels file: {path}")

402
src/dxa/manual_labels.py Normal file
View File

@ -0,0 +1,402 @@
"""
Ручная разметка снимков специалистом.
Зачем отдельный модуль. Экспертная оценка в наборе есть только на уровне
исследования (`dataset_hack/НД_для_обучения/разметка.xlsx`), поштучной оценки
снимков нет — это ограничение №1 в `assets/labeling.md`. Раздел 2.6 задания
требует «автоматическую коррекцию разметки с возможностью подтверждения
специалистом», поэтому вердикты, проставленные вручную в интерфейсе `/label`,
хранятся отдельным файлом и накладываются поверх построенной разметки.
Формат `labels/manual_labels.csv` совместим с построенной разметкой: ключ —
`path_to_image`, метка — `quality_class`. Поэтому файл читается тем же
`excel_labels.load_labels_csv` и принимается обучением как `--labels-csv`, а
проверить отличие от построенной разметки можно обычным сравнением CSV.
"""
from __future__ import annotations
import csv
import logging
import os
from dataclasses import dataclass
from datetime import datetime, timezone
from pathlib import Path
from typing import Dict, Iterable, List, Optional, Sequence, Set, Tuple
import pydicom
from src.dxa.labels import QUALITY_BAD, QUALITY_GOOD, REGIONS, ImageRecord
from src.dxa.violations import (
LEGACY_ALIASES,
VIOLATION_SCOPE,
VIOLATION_TYPES,
canon_type,
)
logger = logging.getLogger(__name__)
#: Имя файла с ручными вердиктами внутри каталога разметки.
MANUAL_FILENAME = "manual_labels.csv"
#: Столбцы файла. Обязательные для обучения — `path_to_image` и
#: `quality_class`; остальные нужны разбору и повторной правке.
MANUAL_FIELDS: Tuple[str, ...] = (
"path_to_image",
"anatomical_region",
"quality_class",
"violation_type",
"comment",
"reviewer",
"reviewed_at",
)
#: Значение `label_rule` для строк, проставленных человеком.
MANUAL_RULE = "manual"
#: Регион, который специалист может выбрать (без «неизвестно»: выбор явный).
SELECTABLE_REGIONS: Tuple[str, ...] = REGIONS
_KNOWN_VIOLATION_INPUTS = set(VIOLATION_TYPES) | set(LEGACY_ALIASES)
class VerdictError(ValueError):
"""Вердикт не соответствует формату разметки."""
@dataclass(frozen=True)
class ManualVerdict:
"""Вердикт специалиста по одному снимку."""
path: str
region: str
quality: int
violation: str = ""
comment: str = ""
reviewer: str = ""
reviewed_at: str = ""
def as_row(self) -> Dict[str, str]:
return {
"path_to_image": self.path,
"anatomical_region": self.region,
"quality_class": str(self.quality),
"violation_type": self.violation,
"comment": self.comment,
"reviewer": self.reviewer,
"reviewed_at": self.reviewed_at,
}
def _normalize_path(value: str | Path) -> str:
"""Ключ вердикта — путь в том же виде, что у `ImageRecord.path` (POSIX)."""
return Path(str(value)).as_posix()
def _now() -> str:
return datetime.now(timezone.utc).isoformat(timespec="seconds")
def _scope_matches(scope: str, region: str) -> bool:
"""Подходит ли нарушение области снимка.
В словаре нарушений (`violations.py`) бедро обозначено одним кодом `hip`,
потому что критерий «позиционирование/ротация» в экспертной таблице один на
оба бедра; в разметке же область всегда конкретная (`hip_right`/`hip_left`).
"""
if scope == "any":
return True
if scope == "hip":
return region in ("hip_right", "hip_left")
return scope == region
def validate_verdict(
region: Optional[str],
quality: int,
violation: Optional[str],
) -> Tuple[str, int, str]:
"""
Проверить вердикт и привести тип нарушения к каноническому коду.
Raises:
VerdictError: область вне `SELECTABLE_REGIONS`, метка не 0/1 или тип
нарушения не из словаря `violations.py`. Неизвестное значение
отклоняется, а не подменяется на `unspecified`: в ручном вводе это
почти всегда опечатка.
"""
if region not in SELECTABLE_REGIONS:
raise VerdictError(
f"Область должна быть одной из {SELECTABLE_REGIONS}, получено {region!r}"
)
if int(quality) not in (QUALITY_GOOD, QUALITY_BAD):
raise VerdictError(f"Метка качества должна быть 0 или 1, получено {quality!r}")
raw = (violation or "").strip().lower()
if raw not in _KNOWN_VIOLATION_INPUTS:
raise VerdictError(f"Неизвестный тип нарушения: {violation!r}")
code = canon_type(raw)
if code and quality == QUALITY_GOOD:
raise VerdictError("У качественного снимка не может быть типа нарушения")
scope = VIOLATION_SCOPE.get(code, "any")
if code and not _scope_matches(scope, region):
raise VerdictError(f"Нарушение {code!r} относится к области {scope!r}, а не к {region!r}")
return region, int(quality), code
def make_verdict(
path: str | Path,
region: str,
quality: int,
violation: Optional[str] = None,
comment: str = "",
reviewer: str = "",
reviewed_at: Optional[str] = None,
) -> ManualVerdict:
"""Собрать проверенный вердикт; `reviewed_at` по умолчанию — текущий момент."""
region, quality, code = validate_verdict(region, quality, violation)
return ManualVerdict(
path=_normalize_path(path),
region=region,
quality=quality,
violation=code,
comment=(comment or "").strip(),
reviewer=(reviewer or "").strip(),
reviewed_at=reviewed_at or _now(),
)
def manual_labels_path(labels_dir: str | Path = "labels") -> Path:
"""Путь к файлу ручных вердиктов."""
return Path(labels_dir) / MANUAL_FILENAME
def load_verdicts(source: str | Path) -> Dict[str, ManualVerdict]:
"""
Прочитать ручные вердикты; отсутствующий файл — это пустая разметка.
Битые строки не роняют разбор: они пропускаются с предупреждением, чтобы
один испорченный ряд не делал недоступной всю накопленную разметку. Файл
читается как `utf-8-sig` — его правят в Excel, а тот сохраняет CSV с BOM.
"""
path = Path(source)
if not path.exists():
return {}
verdicts: Dict[str, ManualVerdict] = {}
with path.open(newline="", encoding="utf-8-sig") as fh:
for lineno, row in enumerate(csv.DictReader(fh), start=2):
if not row or not row.get("path_to_image"):
continue
try:
verdict = make_verdict(
path=row["path_to_image"],
region=row.get("anatomical_region", ""),
quality=row.get("quality_class", ""),
violation=row.get("violation_type", ""),
comment=row.get("comment", ""),
reviewer=row.get("reviewer", ""),
reviewed_at=row.get("reviewed_at", ""),
)
except (VerdictError, ValueError) as exc:
logger.warning("Строка %d файла %s пропущена: %s", lineno, path, exc)
continue
verdicts[verdict.path] = verdict
return verdicts
def save_verdicts(source: str | Path, verdicts: Dict[str, ManualVerdict]) -> Path:
"""Записать вердикты, отсортировав по пути; запись атомарная."""
path = Path(source)
path.parent.mkdir(parents=True, exist_ok=True)
tmp = path.with_name(path.name + ".tmp")
with tmp.open("w", newline="", encoding="utf-8") as fh:
writer = csv.DictWriter(fh, fieldnames=list(MANUAL_FIELDS))
writer.writeheader()
for key in sorted(verdicts):
writer.writerow(verdicts[key].as_row())
os.replace(tmp, path)
return path
def upsert_verdict(source: str | Path, verdict: ManualVerdict) -> Dict[str, ManualVerdict]:
"""Добавить или заменить вердикт в файле и вернуть обновлённый словарь."""
verdicts = load_verdicts(source)
verdicts[verdict.path] = verdict
save_verdicts(source, verdicts)
return verdicts
def remove_verdict(source: str | Path, target: str | Path) -> Dict[str, ManualVerdict]:
"""Снять вердикт (вернуть снимок к построенной разметке)."""
verdicts = load_verdicts(source)
if verdicts.pop(_normalize_path(target), None) is None:
raise VerdictError(f"Нет ручного вердикта для {target}")
save_verdicts(source, verdicts)
return verdicts
def apply_manual(
records: Sequence[ImageRecord],
verdicts: Dict[str, ManualVerdict],
) -> List[ImageRecord]:
"""
Наложить ручные вердикты поверх построенной разметки.
Записи без вердикта возвращаются как есть, поэтому специалист может
разметить часть набора: остальные снимки сохраняют метку из таблицы или из
имени файла.
"""
updated: List[ImageRecord] = []
for rec in records:
verdict = verdicts.get(_normalize_path(rec.path))
if verdict is None:
updated.append(rec)
continue
updated.append(
ImageRecord(
path=rec.path,
study=rec.study,
region=verdict.region,
label=verdict.quality,
marker=rec.marker,
sources=rec.sources,
)
)
return updated
def review_progress(
records: Sequence[ImageRecord],
verdicts: Dict[str, ManualVerdict],
) -> Dict:
"""
Сколько снимков разобрано и насколько вердикты расходятся с разметкой.
`changed` — снимки, где специалист изменил метку качества; `filename_conflict`
— снимки, где метка разметки расходится с пометкой в имени файла (их и
полезно показать первыми: это кандидаты на ошибку в любом из источников).
"""
by_region: Dict[str, Dict[str, int]] = {
region: {"total": 0, "reviewed": 0} for region in SELECTABLE_REGIONS
}
reviewed = changed = filename_conflict = 0
for rec in records:
key = _normalize_path(rec.path)
bucket = by_region.setdefault(
rec.region or "unknown", {"total": 0, "reviewed": 0}
)
bucket["total"] += 1
marker_label = QUALITY_BAD if rec.marker == "bad" else QUALITY_GOOD
if marker_label != rec.label:
filename_conflict += 1
verdict = verdicts.get(key)
if verdict is None:
continue
reviewed += 1
bucket["reviewed"] += 1
if verdict.quality != rec.label:
changed += 1
return {
"total": len(records),
"reviewed": reviewed,
"remaining": len(records) - reviewed,
"changed": changed,
"confirmed": reviewed - changed,
"filename_conflict": filename_conflict,
"by_region": by_region,
}
def _read_dicom_uids(dcm_path: Path) -> Tuple[str, str]:
"""StudyInstanceUID и SOPInstanceUID снимка (пустые строки, если тегов нет)."""
try:
ds = pydicom.dcmread(str(dcm_path), stop_before_pixels=True)
except Exception as exc: # битый DICOM не должен ломать выгрузку
logger.warning("Не удалось прочитать теги %s: %s", dcm_path, exc)
return "", ""
return (
str(getattr(ds, "StudyInstanceUID", "") or ""),
str(getattr(ds, "SOPInstanceUID", "") or ""),
)
def export_rows(
records: Sequence[ImageRecord],
verdicts: Dict[str, ManualVerdict],
scope: str = "all",
expert_paths: Optional[Iterable[str | Path]] = None,
) -> List[Dict[str, str]]:
"""
Собрать строки для выгрузки в формате построенной разметки.
Args:
scope: `all` — весь набор с наложенными вердиктами (годится как
`--labels-csv`); `reviewed` — только разобранные специалистом снимки.
expert_paths: пути, метка которых взята из экспертной таблицы; остальные
помечаются как `filename` — чтобы по выгрузке было видно происхождение.
Returns:
Строки со столбцами: `path_to_image`, `file`, `study`, `study_uid`,
`image_uid`, `anatomical_region`, `quality_class`, `violation_type`,
`label_rule`, `reviewer`, `comment`, `reviewed_at`.
"""
if scope not in ("all", "reviewed"):
raise VerdictError(f"scope должен быть 'all' или 'reviewed', получено {scope!r}")
expert = {_normalize_path(p) for p in (expert_paths or ())}
rows: List[Dict[str, str]] = []
for rec in records:
key = _normalize_path(rec.path)
verdict = verdicts.get(key)
if scope == "reviewed" and verdict is None:
continue
study_uid, image_uid = _read_dicom_uids(rec.path)
if verdict is not None:
rule = MANUAL_RULE
else:
rule = "table" if key in expert else "filename"
rows.append(
{
"path_to_image": key,
"file": rec.path.name,
"study": rec.study,
"study_uid": study_uid,
"image_uid": image_uid,
"anatomical_region": (verdict.region if verdict else rec.region) or "",
"quality_class": str(verdict.quality if verdict else rec.label),
"violation_type": verdict.violation if verdict else "",
"label_rule": rule,
"reviewer": verdict.reviewer if verdict else "",
"comment": verdict.comment if verdict else "",
"reviewed_at": verdict.reviewed_at if verdict else "",
}
)
return rows
#: Столбцы выгрузки (совпадают с `export_rows`).
EXPORT_FIELDS: Tuple[str, ...] = (
"path_to_image",
"file",
"study",
"study_uid",
"image_uid",
"anatomical_region",
"quality_class",
"violation_type",
"label_rule",
"reviewer",
"comment",
"reviewed_at",
)

55
src/dxa/model_card.py
View File

@ -22,7 +22,7 @@ from typing import Dict, List
from src.dxa.violations import catalogue as violations_catalogue
#: Дата, на которую верны числа ниже.
SNAPSHOT_DATE = "2026-09-26"
SNAPSHOT_DATE = "2026-09-27"
#: Источник чисел — чтобы их можно было перепроверить, а не принимать на веру.
SOURCES: List[str] = [
@ -32,14 +32,14 @@ SOURCES: List[str] = [
]
DATASET: Dict = {
"files_on_disk": 544,
"unique_images": 252,
"files_on_disk": 482,
"unique_images": 251,
"studies": 100,
"per_region": {"spine": 99, "hip_right": 79, "hip_left": 73, "unknown": 1},
"violations_expert": 74,
"violations_labeled": 77,
"per_region": {"spine": 99, "hip_right": 78, "hip_left": 73, "unknown": 1},
"violations_expert": 73,
"violations_labeled": 76,
"images_without_expert_verdict": 3,
"violation_share": 0.3056,
"violation_share": 0.3028,
}
LABELS: Dict = {
@ -70,7 +70,8 @@ COMPARISON: Dict = {
"question": (
"Метку можно брать только из экспертной таблицы или дополнительно "
"учитывать служебные пометки, проставленные при подготовке набора. "
"Пометки расходились с оценкой эксперта в 15 случаях из 252, поэтому "
"Пометки расходятся с оценкой эксперта в 62 случаях из 251 (в 20 из них "
"эксперт считает снимок годным, а имя файла помечено `_bad`), поэтому "
"правило нужно было выбрать измерением."
),
"variants": {"table": "только экспертная таблица", "union": "таблица и служебные пометки"},
@ -79,16 +80,16 @@ COMPARISON: Dict = {
"val_violations": 16,
"reference": "вердикт эксперта из labels/labels_images_expert.csv",
"metrics": {
"roc_auc": {"table": [0.6764, 0.6309, 0.7218], "union": [0.6199, 0.5840, 0.6559]},
"pr_auc": {"table": [0.4759, 0.4141, 0.5377], "union": [0.4046, 0.3702, 0.4391]},
"f1": {"table": [0.5676, 0.5270, 0.6082], "union": [0.5426, 0.5073, 0.5778]},
"roc_auc": {"table": [0.6726, 0.6367, 0.7086], "union": [0.6003, 0.5592, 0.6415]},
"pr_auc": {"table": [0.4753, 0.4188, 0.5318], "union": [0.3864, 0.3487, 0.4242]},
"f1": {"table": [0.5559, 0.5212, 0.5906], "union": [0.5354, 0.4978, 0.5729]},
},
"paired_delta_table_minus_union": {
"roc_auc": [0.0564, 0.0403, 0.0725],
"pr_auc": [0.0713, 0.0398, 0.1028],
"f1": [0.0251, -0.0056, 0.0558],
"roc_auc": [0.0723, 0.0541, 0.0905],
"pr_auc": [0.0889, 0.0500, 0.1277],
"f1": [0.0205, -0.0182, 0.0592],
},
"paired_wins": "5 из 5 seed'ов в пользу экспертной таблицы",
"paired_wins": "5 из 5 seed'ов по ROC-AUC и PR-AUC в пользу экспертной таблицы",
"decision": "Принято правило `table`: служебные пометки в метках не участвуют.",
}
@ -104,22 +105,22 @@ DEPLOYED: Dict = {
# зафиксированный файл — поэтому поле пустое, и это ожидаемо.
"split_file": None,
"seed": 42,
"epoch": 39,
"threshold_logit": -0.4930129051208496,
"threshold_probability": 0.3792,
"train_images": 199,
"epoch": 57,
"threshold_logit": -0.13703127205371857,
"threshold_probability": 0.4658,
"train_images": 198,
"val_images": 53,
"val_violations": 16,
"val_roc_auc": 0.6706,
"val_pr_auc": 0.4585,
"val_f1": 0.5600,
"val_recall": 0.8750,
"val_precision": 0.4118,
"val_roc_auc": 0.6689,
"val_pr_auc": 0.4769,
"val_f1": 0.5641,
"val_recall": 0.6875,
"val_precision": 0.4783,
"caveat": (
"Это обычный прогон с seed по умолчанию, а не лучший из выборки. "
"Незавышенная ожидаемая оценка того же варианта разметки — среднее по пяти "
"seed'ам: ROC-AUC 0.6764 [0.6309, 0.7218]. Его собственная валидационная "
"ROC-AUC 0.6706 близка к этому среднему."
"seed'ам: ROC-AUC 0.6726 [0.6367, 0.7086]. Его собственная валидационная "
"ROC-AUC 0.6689 близка к этому среднему."
),
}
@ -128,7 +129,7 @@ LIMITATIONS: List[str] = [
"Модель бинарная: она отвечает «пригоден / есть нарушение» и НЕ определяет тип нарушения.",
"Тип нарушения в ответе — эвристика по метрикам снимка; на этом наборе она чаще "
"всего даёт общую категорию `unspecified`.",
"Мало данных: 252 снимка, 77 нарушений; доверительные интервалы широкие.",
"Мало данных: 251 снимок, 76 нарушений; доверительные интервалы широкие.",
"Эталон — экспертная таблица, независимой истины нет; интервалы не покрывают "
"неопределённость самой разметки.",
"Для 3 снимков таблица область не оценивала — метка взята из служебной пометки "

841
src/dxa/review_pack.py Normal file
View File

@ -0,0 +1,841 @@
"""
Самодостаточный HTML-пакет для разметки снимков специалистом вне сервиса.
Зачем. Интерфейс `/label` требует запущенного сервиса (`src/main.py`), а размечать
должен врач — на своей машине, без Python, без Docker и без сети. Поэтому тот же
сценарий собирается в один HTML-файл: снимки встроены как data-URI, вердикты
хранятся в localStorage браузера, выгрузка — CSV в формате `manual_labels.csv`.
Порядок работы:
python -m src.dxa.review_pack --out review/doctor.html
# врач открывает файл двойным щелчком, размечает, жмёт «Выгрузить CSV»
python -m src.dxa.review_pack --merge review/doctor.csv --out labels/labels_images_reviewed.csv
Полученный от врача CSV — это готовый `manual_labels.csv`: он читается
`manual_labels.load_verdicts`, накладывается на построенную разметку и
принимается обучением как `--labels-csv`. Отдельная команда `--merge` делает
наложение сразу и заодно сообщает, если в файле есть пути, которых нет в датасете.
Что пакет намеренно НЕ содержит: оценки модели. Разметчик не должен соглашаться
с подсказкой алгоритма — ему показывается только построенная разметка и её
источник (экспертная таблица или пометка в имени файла).
"""
from __future__ import annotations
import argparse
import csv
import hashlib
import logging
import json
from pathlib import Path
from typing import Dict, Iterable, List, Optional, Sequence, Tuple
from src.dxa.dataset import build_records
from src.dxa.excel_labels import load_labels_csv
from src.dxa.inference import image_png_base64
from src.dxa.labels import QUALITY_BAD, QUALITY_GOOD, REGIONS, ImageRecord
from src.dxa.manual_labels import (
MANUAL_FIELDS,
MANUAL_RULE,
export_rows,
load_verdicts,
)
from src.dxa.preprocess import load_dicom_array
from src.dxa.violations import catalogue, label as violation_label
logger = logging.getLogger(__name__)
#: Столбцы файла, который выгружает разметчик. Совпадают с `manual_labels.csv`,
#: поэтому выгрузку можно положить в `labels/manual_labels.csv` как есть.
REVIEW_FIELDS: Tuple[str, ...] = tuple(MANUAL_FIELDS) + ("pack_id",)
#: Маркеры в шаблоне страницы. `str.format` не используется: в JS и CSS слишком
#: много фигурных скобок, и экранировать их было бы источником ошибок.
_PLACEHOLDER = {
"items": "@@ITEMS@@",
"catalogue": "@@CATALOGUE@@",
"regions": "@@REGIONS@@",
"title": "@@TITLE@@",
"pack_id": "@@PACK_ID@@",
"total": "@@TOTAL@@",
}
REGION_LABELS: Dict[str, str] = {
"spine": "Позвоночник",
"hip_right": "Бедро R",
"hip_left": "Бедро L",
"": "область не определена",
}
def pack_fingerprint(paths: Iterable[str]) -> str:
"""
Короткий отпечаток набора снимков в пакете.
Нужен по двум причинам: ключ localStorage не должен смешивать вердикты из
разных пакетов, а разметчик и заказчик должны уметь сверить, что речь об
одном и том же файле (отпечаток печатается на странице и есть в выгрузке).
"""
digest = hashlib.sha1("\n".join(sorted(paths)).encode("utf-8")).hexdigest()
return digest[:10]
def collect_items(
records: Sequence[ImageRecord],
labels_table: Dict[str, Dict[str, str]],
expert_paths: Iterable[str] = (),
limit: Optional[int] = None,
only_conflicts: bool = False,
) -> List[Dict]:
"""
Собрать элементы пакета: снимок, построенная метка, её источник.
Порядок — как в интерфейсе `/label`: сперва расхождения метки разметки с
пометкой в имени файла (там ошибается один из источников), затем остальные.
"""
expert = set(expert_paths)
items: List[Dict] = []
for rec in records:
key = rec.path.as_posix()
row = labels_table.get(key, {})
marker = (rec.marker or "") or ""
marker_label = QUALITY_BAD if marker == "bad" else QUALITY_GOOD
conflict = marker_label != rec.label
if only_conflicts and not conflict:
continue
violation = (row.get("violation_type") or "").strip()
items.append(
{
"path": key,
"file": rec.path.name,
"study": rec.study,
"region": rec.region or "",
"label": int(rec.label),
"violation": violation,
"violation_label": violation_label(violation.split(";")[0], empty="") if violation else "",
"conflict": bool(conflict),
"marker": marker,
"source": ("table" if row else "filename"),
}
)
items.sort(key=lambda i: (not i["conflict"], i["path"]))
if limit is not None:
items = items[:limit]
return items
def _render_items_html(items: Sequence[Dict]) -> str:
"""PNG каждого снимка встроить в элемент как data-URI."""
rendered: List[Dict] = []
total_bytes = 0
for index, item in enumerate(items, start=1):
array = load_dicom_array(Path(item["path"]))
encoded = image_png_base64(array)
total_bytes += len(encoded)
rendered.append({**item, "image": f"data:image/png;base64,{encoded}"})
if index % 25 == 0 or index == len(items):
logger.info("Подготовлено снимков: %d/%d", index, len(items))
logger.info("Суммарный размер изображений (base64): %.1f МБ", total_bytes / 1024 / 1024)
return rendered
def render_html(
items: Sequence[Dict],
pack_title: str,
pack_id: str,
violations: Sequence[Dict],
regions: Sequence[str] = REGIONS,
) -> str:
"""
Собрать страницу пакета.
Страница автономна: ни одного внешнего запроса — ни CDN, ни `/static/`.
Это требование методики (работа в закрытом контуре) и единственный способ
гарантировать, что файл откроется на машине врача без сети.
"""
payload = {
"title": pack_title,
"packId": pack_id,
"items": [
{k: v for k, v in item.items() if k != "violation_label"} for item in items
],
"violations": [
{"code": v["code"], "label": v["label"], "scope": v.get("scope", "any")}
for v in violations
],
"regions": list(regions),
"regionLabels": REGION_LABELS,
"reviewFields": list(REVIEW_FIELDS),
}
html = _PAGE.replace(_PLACEHOLDER["title"], pack_title)
html = html.replace(_PLACEHOLDER["pack_id"], pack_id)
html = html.replace(_PLACEHOLDER["total"], str(len(items)))
html = html.replace(
_PLACEHOLDER["items"],
json.dumps(payload, ensure_ascii=False).replace("</", "<\\/"),
)
# Каталог нарушений и области уже внутри payload; отдельные маркеры оставлены,
# чтобы шаблон можно было расширять без пересборки строк.
html = html.replace(_PLACEHOLDER["catalogue"], "null")
html = html.replace(_PLACEHOLDER["regions"], "null")
return html
def build_pack(
data_root: str | Path = "dataset_hack",
annotation_path: str | Path = "dataset_hack/НД_для_обучения/разметка.xlsx",
labels_csv: str | Path = "labels/labels_images.csv",
limit: Optional[int] = None,
only_conflicts: bool = False,
) -> Tuple[str, Dict]:
"""Собрать HTML-пакет и вернуть его вместе со сводкой."""
records = build_records(
str(data_root), str(annotation_path), dedup=True, labels_csv=str(labels_csv)
)
labels_table = load_labels_csv(labels_csv)
items = collect_items(
records, labels_table, expert_paths=labels_table.keys(),
limit=limit, only_conflicts=only_conflicts,
)
if not items:
raise ValueError("В пакет не попал ни один снимок: проверьте фильтры")
pack_id = pack_fingerprint(item["path"] for item in items)
title = f"Разметка снимков DXA — {len(items)} снимков"
html = render_html(_render_items_html(items), title, pack_id, catalogue())
stats = {
"items": len(items),
"conflicts": sum(1 for item in items if item["conflict"]),
"pack_id": pack_id,
"bytes": len(html.encode("utf-8")),
}
return html, stats
def write_pack(out_path: str | Path, **kwargs) -> Dict:
"""Собрать пакет и записать файл; вернуть сводку."""
html, stats = build_pack(**kwargs)
path = Path(out_path)
path.parent.mkdir(parents=True, exist_ok=True)
path.write_text(html, encoding="utf-8")
stats["path"] = str(path)
return stats
def merge_review(
review_csv: str | Path,
out_csv: str | Path,
data_root: str | Path = "dataset_hack",
annotation_path: str | Path = "dataset_hack/НД_для_обучения/разметка.xlsx",
labels_csv: str | Path = "labels/labels_images.csv",
) -> Dict:
"""
Наложить вердикты разметчика на построенную разметку и записать результат.
Возвращает сводку, включая пути из файла разметчика, которых нет в датасете:
это признак того, что пакет собирался из другого набора, и молча принимать
такие вердикты нельзя.
"""
verdicts = load_verdicts(review_csv)
if not verdicts:
raise ValueError(f"В файле {review_csv} нет ни одного разобранного вердикта")
records = build_records(
str(data_root), str(annotation_path), dedup=True, labels_csv=str(labels_csv)
)
known = {rec.path.as_posix() for rec in records}
unknown = sorted(set(verdicts) - known)
labels_table = load_labels_csv(labels_csv)
rows = export_rows(
records, verdicts, scope="all", expert_paths=labels_table.keys()
)
path = Path(out_csv)
path.parent.mkdir(parents=True, exist_ok=True)
with path.open("w", newline="", encoding="utf-8-sig") as fh:
writer = csv.DictWriter(fh, fieldnames=list(rows[0].keys()))
writer.writeheader()
writer.writerows(rows)
overridden = sum(1 for row in rows if row["label_rule"] == MANUAL_RULE)
return {
"reviewed": len(verdicts),
"overridden": overridden,
"unmatched": unknown,
"rows": len(rows),
"path": str(path),
}
def main(argv: Optional[Sequence[str]] = None) -> int:
parser = argparse.ArgumentParser(
description="Собрать автономный HTML-пакет для ручной разметки или влить вердикты"
)
parser.add_argument("--out", help="путь к HTML-пакету или к CSV при --merge")
parser.add_argument("--merge", metavar="REVIEW_CSV",
help="CSV, полученный от разметчика: наложить на построенную разметку")
parser.add_argument("--data-root", default="dataset_hack")
parser.add_argument("--annotation-path", default="dataset_hack/НД_для_обучения/разметка.xlsx")
parser.add_argument("--labels-csv", default="labels/labels_images.csv")
parser.add_argument("--limit", type=int, default=None,
help="взять только первые N снимков (например, для пилота)")
parser.add_argument("--only-conflicts", action="store_true",
help="включить только снимки, где разметка расходится с именем файла")
args = parser.parse_args(argv)
logging.basicConfig(level=logging.INFO, format="%(message)s")
if args.merge:
if not args.out:
parser.error("--merge требует --out: куда записать объединённую разметку")
summary = merge_review(
args.merge, args.out,
data_root=args.data_root,
annotation_path=args.annotation_path,
labels_csv=args.labels_csv,
)
print(f"Разобрано снимков: {summary['reviewed']}")
print(f"Переопределено меток: {summary['overridden']} из {summary['rows']}")
if summary["unmatched"]:
print(f"ВНИМАНИЕ: путей нет в датасете: {len(summary['unmatched'])}")
for path in summary["unmatched"][:5]:
print(" ", path)
print(f"Разметка записана: {summary['path']}")
return 0
if not args.out:
parser.error("укажите --out: куда записать HTML-пакет")
stats = write_pack(
args.out,
data_root=args.data_root,
annotation_path=args.annotation_path,
labels_csv=args.labels_csv,
limit=args.limit,
only_conflicts=args.only_conflicts,
)
print(f"Снимков в пакете: {stats['items']} (расхождений: {stats['conflicts']})")
print(f"Отпечаток набора: {stats['pack_id']}")
print(f"Размер файла: {stats['bytes'] / 1024 / 1024:.1f} МБ")
print(f"Готово: {stats['path']}")
return 0
#: Шаблон страницы. Стили и скрипт встроены: файл должен открываться без сети.
_PAGE = r"""<!DOCTYPE html>
<html lang="ru">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>@@TITLE@@</title>
<style>
:root { color-scheme: light dark; --bg:#f5f6f8; --card:#fff; --ink:#1f2430; --muted:#6b7280;
--line:#e2e5ea; --accent:#2563eb; --good:#15803d; --bad:#b91c1c; --warn:#b45309; }
@media (prefers-color-scheme: dark) {
:root { --bg:#15181f; --card:#1e222b; --ink:#e8eaf0; --muted:#9aa2b1; --line:#333846; }
}
* { box-sizing: border-box; }
body { margin:0; background:var(--bg); color:var(--ink);
font:15px/1.45 -apple-system, BlinkMacSystemFont, "Segoe UI", Roboto, Arial, sans-serif; }
header { background:var(--card); border-bottom:1px solid var(--line); padding:12px 20px;
display:flex; flex-wrap:wrap; gap:12px; align-items:center; justify-content:space-between; }
h1 { font-size:17px; margin:0; }
.sub { color:var(--muted); font-size:12px; }
main { display:grid; gap:16px; padding:16px 20px 40px; grid-template-columns: 24rem minmax(0,1fr);
max-width:110rem; margin:0 auto; }
@media (max-width: 900px) { main { grid-template-columns:1fr; } }
.card { background:var(--card); border:1px solid var(--line); border-radius:10px; padding:12px; }
.bar { height:8px; background:var(--line); border-radius:4px; overflow:hidden; }
.bar > div { height:100%; background:var(--accent); width:0; }
.row { display:flex; flex-wrap:wrap; gap:8px; align-items:center; }
.muted { color:var(--muted); }
.small { font-size:12px; }
.badge { display:inline-block; padding:1px 7px; border-radius:999px; font-size:12px; }
.badge.good { background:#dcfce7; color:#166534; }
.badge.bad { background:#fee2e2; color:#991b1b; }
.badge.warn { background:#fef3c7; color:#92400e; }
@media (prefers-color-scheme: dark) {
.badge.good { background:#14361f; color:#86efac; }
.badge.bad { background:#3f1616; color:#fca5a5; }
.badge.warn { background:#3d2d0c; color:#fcd34d; }
}
button, select, input[type=text], input[type=search] { font:inherit; }
button { border:1px solid var(--line); background:var(--card); color:var(--ink);
border-radius:8px; padding:7px 12px; cursor:pointer; }
button:hover { border-color:var(--accent); }
button.primary { background:var(--accent); border-color:var(--accent); color:#fff; }
button.good { background:var(--good); border-color:var(--good); color:#fff; }
button.bad { background:var(--bad); border-color:var(--bad); color:#fff; }
button[disabled] { opacity:.5; cursor:default; }
select, input[type=text], input[type=search] { background:var(--card); color:var(--ink);
border:1px solid var(--line); border-radius:8px; padding:6px 8px; width:100%; }
#list { max-height:62vh; overflow:auto; display:flex; flex-direction:column; gap:6px; margin-top:8px; }
.item { text-align:left; width:100%; border:1px solid var(--line); background:var(--card);
border-radius:8px; padding:8px 10px; }
.item.active { border-color:var(--accent); box-shadow:0 0 0 1px var(--accent) inset; }
.item .name { font-weight:600; }
.item .meta { color:var(--muted); font-size:12px; margin-top:2px; }
#imagewrap { border:1px solid var(--line); border-radius:8px; background:#0b0d12; padding:6px;
display:flex; justify-content:center; }
#image { max-width:100%; max-height:56vh; cursor:zoom-in; }
#image.actual { max-height:none; cursor:zoom-out; }
.qualities { display:flex; gap:8px; margin:12px 0; }
.qualities button { flex:1; padding:11px 12px; font-weight:600; }
.hint { color:var(--muted); font-size:12px; }
#status { min-height:1.2em; font-size:13px; }
#banner { display:none; padding:8px 20px; background:#fef3c7; color:#92400e; font-size:13px; }
.footer { color:var(--muted); font-size:12px; padding:0 20px 24px; max-width:110rem; margin:0 auto; }
code { background:var(--bg); padding:1px 4px; border-radius:4px; font-size:12px; }
</style>
</head>
<body>
<header>
<div>
<h1>Разметка снимков DXA</h1>
<div class="sub">Подтвердите или исправьте вердикт по каждому снимку. Оценка модели здесь не показана намеренно.</div>
</div>
<div class="row">
<label class="small">Разметчик
<input type="text" id="reviewer" placeholder="ФИО" style="width:12rem">
</label>
<button id="export">Выгрузить CSV</button>
<label class="small" style="cursor:pointer">Загрузить CSV
<input type="file" id="import" accept=".csv,text/csv" style="display:none">
<span class="badge" id="importLabel">выбрать файл</span>
</label>
</div>
</header>
<div id="banner"></div>
<main>
<aside class="card">
<div class="row" style="justify-content:space-between">
<strong id="progressText">…</strong>
<span class="small muted" id="packId">пакет @@PACK_ID@@</span>
</div>
<div class="bar" style="margin:8px 0"><div id="progressBar"></div></div>
<div class="row">
<label class="small" style="flex:1">Область
<select id="filterRegion"><option value="">все</option></select>
</label>
<label class="small"><input type="checkbox" id="filterConflicts"> только расхождения</label>
<label class="small"><input type="checkbox" id="filterUnreviewed" checked> неразобранные</label>
</div>
<input type="search" id="filterQuery" placeholder="Поиск по имени файла…" style="margin-top:8px">
<div id="list"></div>
</aside>
<section class="card" id="detail">
<p class="muted">Выберите снимок из списка слева.</p>
</section>
</main>
<div class="footer">
Вердикты хранятся в этом браузере (<code>localStorage</code>) и никуда не отправляются:
файл работает без сети. Периодически нажимайте «Выгрузить CSV» — если очистить данные
браузера, разметка пропадёт. Выгруженный CSV принимается обучением как
<code>--labels-csv</code>, а влить его в построенную разметку можно командой
<code>python -m src.dxa.review_pack --merge</code>.
</div>
<script id="payload" type="application/json">@@ITEMS@@</script>
<script>
(function () {
'use strict';
var DATA = JSON.parse(document.getElementById('payload').textContent);
var STORE_KEY = 'dxa-review-pack:' + DATA.packId;
var state = { verdicts: {}, reviewer: '', selected: -1, visible: [] };
function esc(value) {
return String(value === null || value === undefined ? '' : value).replace(/[&<>"']/g, function (ch) {
return ({ '&': '&amp;', '<': '&lt;', '>': '&gt;', '"': '&quot;', "'": '&#39;' })[ch];
});
}
function regionLabel(code) { return DATA.regionLabels[code] || code || DATA.regionLabels['']; }
function itemByPath(path) {
for (var i = 0; i < DATA.items.length; i++) if (DATA.items[i].path === path) return i;
return -1;
}
/* --- Хранилище ------------------------------------------------------- */
var storageOk = true;
try {
localStorage.setItem(STORE_KEY + ':probe', '1');
localStorage.removeItem(STORE_KEY + ':probe');
} catch (err) {
storageOk = false;
var banner = document.getElementById('banner');
banner.style.display = 'block';
banner.textContent = 'Браузер запретил сохранение в этом файле: вердикты живут только до ' +
'закрытия вкладки. Нажимайте «Выгрузить CSV» до того, как закроете страницу.';
}
function load() {
if (!storageOk) return;
try {
var raw = localStorage.getItem(STORE_KEY);
if (!raw) return;
var saved = JSON.parse(raw);
state.verdicts = saved.verdicts || {};
state.reviewer = saved.reviewer || '';
document.getElementById('reviewer').value = state.reviewer;
} catch (err) { /* повреждённое хранилище не должно ломать страницу */ }
}
function save() {
if (!storageOk) return;
try {
localStorage.setItem(STORE_KEY, JSON.stringify({ verdicts: state.verdicts, reviewer: state.reviewer }));
} catch (err) { /* переполнение хранилища: разметка всё равно уйдёт в CSV */ }
}
/* --- Фильтры и список ------------------------------------------------ */
function visible() {
var region = document.getElementById('filterRegion').value;
var conflicts = document.getElementById('filterConflicts').checked;
var unreviewed = document.getElementById('filterUnreviewed').checked;
var query = document.getElementById('filterQuery').value.trim().toLowerCase();
var out = [];
DATA.items.forEach(function (item, index) {
var verdict = state.verdicts[item.path];
if (region && item.region !== region) return;
if (conflicts && !item.conflict) return;
if (unreviewed && verdict) return;
if (query && item.file.toLowerCase().indexOf(query) < 0 &&
item.study.toLowerCase().indexOf(query) < 0) return;
out.push(index);
});
return out;
}
function render() {
var reviewed = Object.keys(state.verdicts).length;
var total = DATA.items.length;
var percent = total ? Math.round(reviewed / total * 100) : 0;
document.getElementById('progressText').textContent = 'Разобрано ' + reviewed + ' из ' + total + ' (' + percent + '%)';
document.getElementById('progressBar').style.width = percent + '%';
state.visible = visible();
var list = document.getElementById('list');
if (!state.visible.length) {
list.innerHTML = '<p class="muted small">Под фильтр ничего не подошло.</p>';
return;
}
list.innerHTML = state.visible.map(function (index) {
var item = DATA.items[index];
var verdict = state.verdicts[item.path];
var label = verdict ? verdict.quality : item.label;
var badge = Number(label) === 1
? '<span class="badge bad">нарушение</span>'
: '<span class="badge good">годное</span>';
var marks = verdict ? '<span class="badge">разобрано</span>' : '';
if (item.conflict) marks += ' <span class="badge warn">расхождение</span>';
return '<button class="item ' + (index === state.selected ? 'active' : '') + '" data-index="' + index + '">' +
'<div class="name">' + esc(item.file) + '</div>' +
'<div class="meta">' + badge + ' ' + marks + '</div>' +
'<div class="meta">' + esc(regionLabel(item.region)) + ' · ' + esc(item.study) + '</div>' +
'</button>';
}).join('');
Array.prototype.forEach.call(list.querySelectorAll('.item'), function (node) {
node.addEventListener('click', function () { select(Number(node.dataset.index)); });
});
}
/* --- Разбор снимка --------------------------------------------------- */
function violationsFor(region) {
var matches = DATA.violations.filter(function (v) {
if (v.scope === 'any') return true;
if (v.scope === 'hip') return region === 'hip_right' || region === 'hip_left';
return v.scope === region;
});
return matches.filter(function (v) { return v.scope !== 'any'; })
.concat(matches.filter(function (v) { return v.scope === 'any'; }));
}
function select(index) {
state.selected = index;
render();
renderDetail();
}
function renderDetail() {
var detail = document.getElementById('detail');
if (state.selected < 0) { detail.innerHTML = '<p class="muted">Выберите снимок из списка слева.</p>'; return; }
var item = DATA.items[state.selected];
var verdict = state.verdicts[item.path] || null;
var region = (verdict && verdict.region) || item.region || 'spine';
var options = violationsFor(region).map(function (v) {
var chosen = verdict && verdict.violation === v.code;
return '<option value="' + esc(v.code) + '"' + (chosen ? ' selected' : '') + '>' + esc(v.label) + '</option>';
}).join('');
var source = item.source === 'table' ? 'экспертная таблица' : 'пометка в имени файла';
var built = (Number(item.label) === 1 ? '<span class="badge bad">нарушение</span>' : '<span class="badge good">годное</span>') +
' <span class="small muted">источник: ' + esc(source) + '</span>' +
(item.violation ? ' <span class="small muted">критерий: ' + esc(item.violation_label || item.violation) + '</span>' : '');
var conflict = item.conflict
? '<div class="small" style="color:var(--warn);margin-top:6px">Метка разметки не совпадает с пометкой в имени файла (' +
esc(item.marker || '—') + '). Проверьте снимок и подтвердите верный вердикт.</div>' : '';
var note = verdict
? '<div class="small muted">Ваш вердикт: ' + esc(verdict.reviewer || 'без имени') + ', ' + esc(verdict.reviewed_at) +
(verdict.comment ? ' — «' + esc(verdict.comment) + '»' : '') + '</div>' : '';
detail.innerHTML =
'<div class="row" style="justify-content:space-between;align-items:flex-start">' +
'<div style="min-width:0">' +
'<strong>' + esc(item.file) + '</strong>' +
'<div class="small muted">' + esc(item.study) + '</div>' +
'<div class="small muted" style="word-break:break-all">' + esc(item.path) + '</div>' +
'<div style="margin-top:6px">Построенная разметка: ' + built + '</div>' + conflict + note +
'</div>' +
'<button id="del" ' + (verdict ? '' : 'disabled') + '>Снять вердикт</button>' +
'</div>' +
'<div id="imagewrap" style="margin-top:10px"><img id="image" src="' + item.image + '" alt=""></div>' +
'<div class="small muted" style="margin-top:4px">Щёлкните по снимку, чтобы показать его в натуральную величину.</div>' +
'<div style="margin-top:12px"><label class="small">Анатомическая область' +
'<select id="region" style="margin-top:4px">' + DATA.regions.map(function (code) {
return '<option value="' + esc(code) + '"' + (code === region ? ' selected' : '') + '>' +
esc(DATA.regionLabels[code]) + '</option>';
}).join('') + '</select></label></div>' +
'<div style="margin-top:10px"><label class="small">Тип нарушения (один критерий)' +
'<select id="violation" style="margin-top:4px"><option value="">— нет нарушения —</option>' + options + '</select>' +
'</label>' +
'<div class="hint">В разметке тип хранится одним кодом. Если критериев несколько, выберите основной.</div>' +
'</div>' +
'<div class="qualities">' +
'<button class="good" id="markGood">Годное (g)</button>' +
'<button class="bad" id="markBad">Нарушение (b)</button>' +
'</div>' +
'<label class="small">Комментарий<input type="text" id="comment" value="' + esc(verdict ? verdict.comment : '') +
'" placeholder="что именно не так" style="margin-top:4px"></label>' +
'<div class="row" style="margin-top:12px">' +
'<button class="primary" id="save">Сохранить и далее (Enter)</button>' +
'<span id="status"></span>' +
'</div>' +
'<div class="hint" style="margin-top:8px">Горячие клавиши: g — годное, b — нарушение, ' +
'Enter — сохранить и перейти дальше, d — снять вердикт, j/k — следующий/предыдущий.</div>';
document.getElementById('image').addEventListener('click', function () { this.classList.toggle('actual'); });
document.getElementById('markGood').addEventListener('click', function () { mark(0); });
document.getElementById('markBad').addEventListener('click', function () { mark(1); });
document.getElementById('save').addEventListener('click', function () { commit(); });
document.getElementById('del').addEventListener('click', function () { remove(); });
document.getElementById('region').addEventListener('change', function () {
if (verdict) { verdict.region = this.value; save(); }
renderDetail();
});
document.getElementById('violation').addEventListener('change', function () {
document.getElementById('status').textContent =
this.value ? 'Отмечено: нарушение' : 'Отмечено: годное';
});
}
function mark(quality) {
var violation = document.getElementById('violation');
if (quality === 0) {
violation.value = '';
} else if (!violation.value) {
var first = violationsFor(document.getElementById('region').value)[0];
if (first) violation.value = first.code;
}
document.getElementById('status').textContent = quality === 1 ? 'Отмечено: нарушение' : 'Отмечено: годное';
document.getElementById('detail').dataset.pending = String(quality);
}
function pendingQuality() {
var raw = document.getElementById('detail').dataset.pending;
if (raw === '0' || raw === '1') return Number(raw);
var violation = document.getElementById('violation').value;
return violation ? 1 : 0;
}
function commit() {
if (state.selected < 0) return;
var item = DATA.items[state.selected];
var quality = pendingQuality();
var violation = quality === 1 ? document.getElementById('violation').value : '';
state.verdicts[item.path] = {
region: document.getElementById('region').value,
quality: quality,
violation: violation,
comment: document.getElementById('comment').value.trim(),
reviewer: state.reviewer,
reviewed_at: new Date().toISOString().replace(/\.\d+Z$/, '+00:00'),
};
delete document.getElementById('detail').dataset.pending;
save();
next(1);
document.getElementById('status').textContent = 'Сохранено';
}
function remove() {
if (state.selected < 0) return;
delete state.verdicts[DATA.items[state.selected].path];
save();
render();
renderDetail();
}
function next(step) {
var list = state.visible.length ? state.visible : DATA.items.map(function (_, i) { return i; });
var position = list.indexOf(state.selected);
var target = list[position + step];
if (target === undefined) target = list[list.length - 1];
if (target !== undefined) select(target);
else { render(); }
var node = document.querySelector('.item.active');
if (node) node.scrollIntoView({ block: 'nearest' });
}
/* --- Выгрузка и загрузка CSV ---------------------------------------- */
function csvCell(value) {
var text = value === null || value === undefined ? '' : String(value);
return /[",\n\r]/.test(text) ? '"' + text.replace(/"/g, '""') + '"' : text;
}
function exportCsv() {
var rows = [DATA.reviewFields.join(',')];
Object.keys(state.verdicts).sort().forEach(function (path) {
var v = state.verdicts[path];
var index = itemByPath(path);
var item = index >= 0 ? DATA.items[index] : { region: '', file: '' };
rows.push([
path, v.region || item.region, v.quality, v.violation || '', v.comment || '',
v.reviewer || '', v.reviewed_at || '', DATA.packId,
].map(csvCell).join(','));
});
if (rows.length === 1) {
document.getElementById('status').textContent = 'Пока нечего выгружать: нет ни одного вердикта';
return;
}
var blob = new Blob(['\ufeff' + rows.join('\r\n') + '\r\n'], { type: 'text/csv;charset=utf-8' });
var link = document.createElement('a');
link.href = URL.createObjectURL(blob);
link.download = 'manual_labels_' + DATA.packId + '.csv';
document.body.appendChild(link);
link.click();
document.body.removeChild(link);
URL.revokeObjectURL(link.href);
var reviewed = Object.keys(state.verdicts).length;
document.getElementById('status').textContent = 'Выгружено вердиктов: ' + reviewed +
' — отправьте файл заказчику' + (reviewed < DATA.items.length ? ' (разобрано не всё)' : '');
}
function parseCsv(text) {
var rows = [], row = [], field = '', quoted = false, i = 0;
text = text.replace(/^\ufeff/, '');
while (i < text.length) {
var ch = text[i];
if (quoted) {
if (ch === '"') {
if (text[i + 1] === '"') { field += '"'; i += 2; continue; }
quoted = false; i++; continue;
}
field += ch; i++; continue;
}
if (ch === '"') { quoted = true; i++; continue; }
if (ch === ',') { row.push(field); field = ''; i++; continue; }
if (ch === '\r') { i++; continue; }
if (ch === '\n') { row.push(field); rows.push(row); row = []; field = ''; i++; continue; }
field += ch; i++;
}
if (field.length || row.length) { row.push(field); rows.push(row); }
return rows;
}
function importCsv(file) {
var reader = new FileReader();
reader.onload = function () {
var rows = parseCsv(String(reader.result));
if (rows.length < 2) { document.getElementById('status').textContent = 'В файле нет строк с вердиктами'; return; }
var head = rows[0].map(function (h) { return h.trim(); });
var at = function (name) { return head.indexOf(name); };
var iPath = at('path_to_image'), iRegion = at('anatomical_region'),
iQuality = at('quality_class'), iViolation = at('violation_type'),
iComment = at('comment'), iReviewer = at('reviewer'), iWhen = at('reviewed_at');
if (iPath < 0 || iQuality < 0) { document.getElementById('status').textContent = 'Не тот файл: нет колонок path_to_image/quality_class'; return; }
var added = 0, unmatched = 0;
rows.slice(1).forEach(function (cells) {
var path = (cells[iPath] || '').trim();
if (!path) return;
if (itemByPath(path) < 0) { unmatched++; return; }
state.verdicts[path] = {
region: iRegion >= 0 ? (cells[iRegion] || '').trim() : '',
quality: Number(cells[iQuality]) === 1 ? 1 : 0,
violation: iViolation >= 0 ? (cells[iViolation] || '').trim() : '',
comment: iComment >= 0 ? (cells[iComment] || '').trim() : '',
reviewer: iReviewer >= 0 ? (cells[iReviewer] || '').trim() : '',
reviewed_at: iWhen >= 0 ? (cells[iWhen] || '').trim() : '',
};
added++;
});
save();
render();
renderDetail();
document.getElementById('status').textContent = 'Загружено вердиктов: ' + added +
(unmatched ? ', путей нет в этом пакете: ' + unmatched : '');
};
reader.readAsText(file, 'utf-8');
}
/* --- Инициализация --------------------------------------------------- */
function init() {
var regionSelect = document.getElementById('filterRegion');
DATA.regions.forEach(function (code) {
var option = document.createElement('option');
option.value = code;
option.textContent = DATA.regionLabels[code];
regionSelect.appendChild(option);
});
['filterRegion', 'filterConflicts', 'filterUnreviewed'].forEach(function (id) {
document.getElementById(id).addEventListener('change', render);
});
document.getElementById('filterQuery').addEventListener('input', render);
document.getElementById('reviewer').addEventListener('input', function () {
state.reviewer = this.value; save();
});
document.getElementById('export').addEventListener('click', exportCsv);
document.getElementById('import').addEventListener('change', function () {
if (this.files && this.files[0]) importCsv(this.files[0]);
});
document.addEventListener('keydown', function (event) {
if (/^(INPUT|SELECT|TEXTAREA)$/.test(event.target.tagName)) {
if (event.key === 'Enter') { event.preventDefault(); commit(); }
return;
}
if (state.selected < 0) return;
if (event.key === 'g') { event.preventDefault(); mark(0); }
else if (event.key === 'b') { event.preventDefault(); mark(1); }
else if (event.key === 'Enter') { event.preventDefault(); commit(); }
else if (event.key === 'd') { event.preventDefault(); remove(); }
else if (event.key === 'j') { event.preventDefault(); next(1); }
else if (event.key === 'k') { event.preventDefault(); next(-1); }
});
window.addEventListener('beforeunload', function (event) {
var reviewed = Object.keys(state.verdicts).length;
if (reviewed && reviewed < DATA.items.length) {
event.preventDefault();
event.returnValue = 'Разметка не выгружена. Нажмите «Выгрузить CSV», чтобы не потерять работу.';
return event.returnValue;
}
return undefined;
});
load();
render();
if (DATA.items.length && state.selected < 0) select(0);
}
init();
})();
</script>
</body>
</html>
"""
if __name__ == "__main__":
raise SystemExit(main())

266
src/main.py
View File

@ -13,21 +13,29 @@ FastAPI сервер для оценки качества DXA исследова
Эндпоинты:
- GET / - Главная страница (веб-интерфейс)
- GET /label - Интерфейс ручной разметки (подтверждение вердиктов специалистом)
- GET /api/v1/health - Проверка статуса
- POST /api/v1/analyze - Базовый анализ
- POST /api/v1/analyze/detailed - Детальный анализ
- POST /api/v1/analyze/sr - DICOM SR отчет
- POST /api/v1/batch - Пакетный анализ
- POST /api/v1/export - Анализ и экспорт в XLSX
- GET /api/v1/labeling/items - Снимки датасета для разбора
- GET /api/v1/labeling/image - Рендер снимка для просмотра
- POST /api/v1/labeling/verdict - Сохранить вердикт специалиста
- DELETE /api/v1/labeling/verdict - Снять вердикт
- GET /api/v1/labeling/export - Выгрузка разметки (CSV/XLSX)
"""
import base64
import os
import time
from datetime import datetime
from fastapi import FastAPI, File, UploadFile, Query
from fastapi import Body, FastAPI, File, Query, Response, UploadFile
from fastapi.staticfiles import StaticFiles
from pathlib import Path
from fastapi.responses import StreamingResponse
from typing import Dict, Optional
from typing import Dict, List, Optional
from urllib.parse import quote
import numpy as np
import pydicom
import pandas as pd
@ -36,6 +44,8 @@ import torch
from starlette.responses import JSONResponse, FileResponse
from src.dxa.dataset import build_records
from src.dxa.excel_labels import load_labels_csv
from src.dxa.inference import (
build_reasons,
image_png_base64,
@ -43,9 +53,21 @@ from src.dxa.inference import (
mask_png_base64,
predict_from_bytes,
)
from src.dxa.labels import QUALITY_BAD, QUALITY_GOOD, ImageRecord
from src.dxa.manual_labels import (
EXPORT_FIELDS,
SELECTABLE_REGIONS,
VerdictError,
export_rows,
load_verdicts,
make_verdict,
review_progress,
upsert_verdict,
remove_verdict,
)
from src.dxa.model_card import model_card
from src.dxa.preprocess import load_array_from_bytes
from src.dxa.violations import canon_type, label as violation_label, sr_code
from src.dxa.preprocess import load_array_from_bytes, load_dicom_array
from src.dxa.violations import canon_type, catalogue, label as violation_label, sr_code
from src.utils.utils import get_device
from src.quality.quality_scorer import convert_to_serializable
@ -72,6 +94,65 @@ dxa_threshold = 0.0
dxa_metadata: Dict = {}
device = None
# Пути ручной разметки. Каталог данных и разметки вынесены в переменные
# окружения по той же причине, что и чекпоинт: в контейнере рабочий каталог
# другой, а инструмент разметки должен работать и там.
DATA_ROOT = os.environ.get("DXA_DATA_ROOT", "dataset_hack")
ANNOTATION_PATH = os.environ.get(
"DXA_ANNOTATION_PATH", "dataset_hack/НД_для_обучения/разметка.xlsx"
)
LABELS_CSV = os.environ.get("DXA_LABELS_CSV", "labels/labels_images.csv")
MANUAL_LABELS_PATH = os.environ.get("DXA_MANUAL_LABELS", "labels/manual_labels.csv")
#: Кэш записей датасета: сканирование хеширует пиксели 482 файлов, а интерфейс
#: ходит в /items на каждое действие. Датасет между запросами не меняется.
_records_cache: Dict[str, List[ImageRecord]] = {}
def base_records() -> List[ImageRecord]:
"""Записи датасета с построенной разметкой (без ручных вердиктов)."""
if "base" not in _records_cache:
try:
_records_cache["base"] = build_records(
DATA_ROOT, ANNOTATION_PATH, dedup=True, labels_csv=LABELS_CSV
)
except Exception as exc:
print(f"Dataset scan failed: {exc}")
_records_cache["base"] = []
return _records_cache["base"]
def expert_paths() -> set:
"""Пути, метка которых взята из экспертной таблицы, а не из имени файла."""
try:
return set(load_labels_csv(LABELS_CSV))
except Exception as exc:
print(f"Labels CSV unavailable ({LABELS_CSV}): {exc}")
return set()
def _dataset_path(raw: str) -> Path:
"""
Проверить, что запрошенный снимок лежит внутри каталога датасета.
Путь приходит от клиента (интерфейс ходит по путям из выгрузки), поэтому без
проверки запрос вида `../../etc/passwd` или абсолютный путь отдал бы наружу
любой файл на диске.
"""
root = Path(DATA_ROOT).resolve()
candidate = Path(raw)
if not candidate.is_absolute():
candidate = Path.cwd() / candidate
candidate = candidate.resolve()
if candidate != root and root not in candidate.parents:
raise VerdictError("Путь вне каталога датасета")
if candidate.suffix.lower() != ".dcm":
raise VerdictError("Допустимы только файлы .dcm")
if not candidate.is_file():
raise VerdictError("Файл не найден")
return candidate
def load_model():
"""
@ -307,6 +388,183 @@ async def get_model_card():
return convert_to_serializable(card)
# --- Ручная разметка -------------------------------------------------------
# Раздел 2.6 задания: «автоматическая коррекция разметки с возможностью
# подтверждения специалистом». Поштучной экспертной оценки снимков в наборе нет
# (в `разметка.xlsx` вердикт выставлен исследованию), поэтому вердикты,
# проставленные в интерфейсе `/label`, хранятся отдельным файлом и
# накладываются поверх построенной разметки.
@app.get("/label")
async def labeling_page():
"""Интерфейс ручной разметки: подтверждение и правка вердиктов."""
page = Path(__file__).parent / "api/static/label.html"
if not page.exists():
return JSONResponse({"error": "label.html не найден"}, status_code=404)
return FileResponse(str(page))
@app.get("/api/v1/labeling/items")
async def labeling_items(
offset: int = Query(0, ge=0),
limit: int = Query(24, ge=1, le=200),
region: Optional[str] = None,
conflicts: bool = False,
unreviewed: bool = False,
q: Optional[str] = None,
):
"""
Снимки датасета с текущей меткой и её происхождением.
Расхождения с пометкой в имени файла идут первыми: там ошибка возможна в
любом из источников, поэтому такие снимки разбирать полезнее всего первыми.
"""
records = base_records()
verdicts = load_verdicts(MANUAL_LABELS_PATH)
expert = expert_paths()
items: List[Dict] = []
for rec in records:
key = rec.path.as_posix()
verdict = verdicts.get(key)
marker_label = QUALITY_BAD if rec.marker == "bad" else QUALITY_GOOD
item = {
"path": key,
"file": rec.path.name,
"study": rec.study,
"region": (verdict.region if verdict else rec.region) or "",
"base_region": rec.region or "",
"label": verdict.quality if verdict else rec.label,
"base_label": rec.label,
"violation": verdict.violation if verdict else "",
"violation_label": violation_label(verdict.violation, empty="") if verdict else "",
"marker": rec.marker or "",
"filename_conflict": marker_label != rec.label,
"reviewed": verdict is not None,
"reviewer": verdict.reviewer if verdict else "",
"comment": verdict.comment if verdict else "",
"reviewed_at": verdict.reviewed_at if verdict else "",
"label_source": "manual" if verdict else ("table" if key in expert else "filename"),
"image_url": "/api/v1/labeling/image?path=" + quote(key),
}
if region and item["region"] != region:
continue
if conflicts and not item["filename_conflict"]:
continue
if unreviewed and item["reviewed"]:
continue
if q and q.lower() not in key.lower():
continue
items.append(item)
items.sort(key=lambda i: (not i["filename_conflict"], i["reviewed"], i["path"]))
return {
"items": items[offset : offset + limit],
"total": len(items),
"offset": offset,
"limit": limit,
"progress": review_progress(records, verdicts),
"regions": list(SELECTABLE_REGIONS),
"violations": catalogue(),
}
@app.get("/api/v1/labeling/image")
async def labeling_image(path: str = Query(..., description="Путь к снимку из датасета")):
"""PNG снимка для просмотра специалистом (без разметки и наложений)."""
try:
target = _dataset_path(path)
except VerdictError as exc:
return JSONResponse({"error": str(exc)}, status_code=403)
try:
array = load_dicom_array(target)
except Exception as exc: # битый DICOM — ошибка формата, а не отказ доступа
return JSONResponse({"error": f"Не удалось прочитать DICOM: {exc}"}, status_code=422)
return Response(content=base64.b64decode(image_png_base64(array)), media_type="image/png")
@app.post("/api/v1/labeling/verdict")
async def save_labeling_verdict(payload: dict = Body(...)):
"""Сохранить вердикт специалиста по снимку."""
try:
verdict = make_verdict(
path=payload.get("path", ""),
region=payload.get("region", ""),
quality=payload.get("quality", -1),
violation=payload.get("violation", ""),
comment=payload.get("comment", ""),
reviewer=payload.get("reviewer", ""),
)
_dataset_path(verdict.path) # нельзя разметить снимок вне датасета
except (VerdictError, ValueError, TypeError) as exc:
return JSONResponse({"error": str(exc)}, status_code=400)
upsert_verdict(MANUAL_LABELS_PATH, verdict)
return {
"saved": verdict.as_row(),
"progress": review_progress(base_records(), load_verdicts(MANUAL_LABELS_PATH)),
}
@app.delete("/api/v1/labeling/verdict")
async def delete_labeling_verdict(path: str = Query(...)):
"""Снять вердикт: снимок возвращается к построенной разметке."""
try:
verdicts = remove_verdict(MANUAL_LABELS_PATH, path)
except VerdictError as exc:
return JSONResponse({"error": str(exc)}, status_code=404)
return {"progress": review_progress(base_records(), verdicts)}
@app.get("/api/v1/labeling/export")
async def labeling_export(scope: str = "all", fmt: str = "csv"):
"""
Выгрузить разметку.
`scope=all` — весь набор с наложенными ручными вердиктами: такой файл
принимается обучением как `--labels-csv`. `scope=reviewed` — только
разобранные специалистом снимки (для сверки с построенной разметкой).
"""
try:
rows = export_rows(
base_records(),
load_verdicts(MANUAL_LABELS_PATH),
scope=scope,
expert_paths=expert_paths(),
)
except VerdictError as exc:
return JSONResponse({"error": str(exc)}, status_code=400)
frame = pd.DataFrame(rows, columns=list(EXPORT_FIELDS))
stamp = datetime.now().strftime("%Y%m%d_%H%M")
if fmt == "xlsx":
buffer = io.BytesIO()
frame.to_excel(buffer, index=False)
buffer.seek(0)
return StreamingResponse(
buffer,
media_type="application/vnd.openxmlformats-officedocument.spreadsheetml.sheet",
headers={
"Content-Disposition": f'attachment; filename="manual_labels_{stamp}.xlsx"'
},
)
text = io.StringIO()
frame.to_csv(text, index=False)
# BOM нужен, чтобы Excel открыл кириллицу в UTF-8, а не в cp1251.
return StreamingResponse(
io.BytesIO(text.getvalue().encode("utf-8-sig")),
media_type="text/csv; charset=utf-8",
headers={"Content-Disposition": f'attachment; filename="manual_labels_{stamp}.csv"'},
)
@app.post("/api/v1/analyze")
async def analyze_dicom(file: UploadFile = File(...)):
"""Analyze single DICOM file"""

153
tests/browser/review_pack.js Normal file
View File

@ -0,0 +1,153 @@
/**
* Проверка автономного HTML-пакета для ручной разметки (файл для врача).
*
* Пакет открывается напрямую с диска (`file://`), без сервера и без сети —
* именно так его откроет врач. Сценарий повторяет его работу: выбрать снимок,
* посмотреть, отметить вердикт, убедиться, что он пережил перезагрузку, выгрузить
* CSV, а затем загрузить его обратно (восстановление прогресса на другой машине).
*
* Пакет нужно собрать заранее:
* python -m src.dxa.review_pack --out /tmp/review_small.html --limit 8
* PACK=/tmp/review_small.html node tests/browser/review_pack.js
*
* Переменные окружения:
* PACK путь к HTML-пакету (обязателен)
* PLAYWRIGHT путь к playwright-core (по умолчанию bundled Browser Use)
*/
const fs = require('fs');
const path = require('path');
const os = require('os');
function resolvePlaywright() {
if (process.env.PLAYWRIGHT) return process.env.PLAYWRIGHT;
const base = path.join(os.homedir(), '.qwen', 'updates', 'npm');
if (!fs.existsSync(base)) return 'playwright-core';
const versions = fs.readdirSync(path.join(base, fs.readdirSync(base)[0], 'versions')).sort();
for (const v of versions.reverse()) {
const candidate = path.join(
base, fs.readdirSync(base)[0], 'versions', v,
'node_modules/@qwen-code/qwen-code/bundled/browser-use/runtime/node_modules/playwright-core'
);
if (fs.existsSync(candidate)) return candidate;
}
return 'playwright-core';
}
const { chromium } = require(resolvePlaywright());
const PACK = process.env.PACK;
if (!PACK || !fs.existsSync(PACK)) {
console.error('FAILED: укажите PACK=путь/к/пакету.html (соберите его через src.dxa.review_pack)');
process.exit(1);
}
function assert(condition, message) {
if (!condition) throw new Error(message);
}
(async () => {
const userDataDir = fs.mkdtempSync(path.join(os.tmpdir(), 'dxa-pack-'));
const context = await chromium.launchPersistentContext(userDataDir, {
channel: 'chrome',
headless: true,
acceptDownloads: true,
});
const page = context.pages()[0] || await context.newPage();
await page.setViewportSize({ width: 1500, height: 1000 });
// beforeunload предупреждает о невыгруженной разметке — для проверки это ожидаемо.
page.on('dialog', (dialog) => dialog.accept());
const consoleErrors = [];
const external = [];
page.on('console', (m) => { if (m.type() === 'error') consoleErrors.push(m.text()); });
page.on('pageerror', (e) => consoleErrors.push('PAGEERROR ' + e.message));
page.on('request', (request) => {
const url = request.url();
if (!url.startsWith('file:') && !url.startsWith('data:') && !url.startsWith('blob:')) {
external.push(url);
}
});
await page.goto('file://' + path.resolve(PACK), { waitUntil: 'domcontentloaded' });
console.log('title:', await page.title());
await page.waitForFunction(() => document.querySelectorAll('.item').length > 0, { timeout: 30000 });
const total = await page.evaluate(() => document.querySelectorAll('.item').length);
console.log('снимков в списке:', total);
console.log('прогресс:', (await page.locator('#progressText').innerText()).trim());
console.log('отпечаток пакета:', (await page.locator('#packId').innerText()).trim());
assert(total > 1, 'в пакете должно быть несколько снимков');
// Разбор первого снимка: изображение встроено как data-URI и рисуется.
await page.locator('.item').first().click();
await page.waitForFunction(() => {
const img = document.getElementById('image');
return img && img.naturalWidth > 0;
}, { timeout: 20000 });
const image = await page.evaluate(() => {
const img = document.getElementById('image');
return { w: img.naturalWidth, h: img.naturalHeight, data: img.getAttribute('src').startsWith('data:image/png;base64,') };
});
console.log('снимок:', image);
assert(image.w > 50 && image.h > 50, 'снимок не отрисован');
assert(image.data, 'снимок должен быть встроен как data-URI');
// Построенная разметка и её источник видны сразу (режим подтверждения).
const detail = await page.locator('#detail').innerText();
assert(/Построенная разметка/.test(detail), 'не показана построенная разметка');
assert(/источник:/.test(detail), 'не показан источник метки');
console.log('подсказка о расхождении:', /не совпадает с пометкой/.test(detail) ? 'есть' : 'нет в этом снимке');
// Нарушение: тип подставляется по области; годное — снимает тип.
await page.locator('#markBad').click();
const chosen = await page.locator('#violation').inputValue();
console.log('тип при отметке «нарушение»:', chosen || '(пусто)');
assert(chosen, 'тип нарушения не подставился');
await page.locator('#markGood').click();
assert((await page.locator('#violation').inputValue()) === '', 'тип должен сниматься при «годное»');
await page.locator('#reviewer').fill('Тестова А. А.');
await page.locator('#save').click();
await page.waitForFunction(() => /Разобрано 1 /.test(document.getElementById('progressText').innerText), { timeout: 15000 });
console.log('после сохранения:', (await page.locator('#progressText').innerText()).trim());
// Вердикт должен пережить перезагрузку страницы (localStorage).
await page.reload({ waitUntil: 'domcontentloaded' });
await page.waitForFunction(() => /Разобрано 1 /.test(document.getElementById('progressText').innerText), { timeout: 20000 });
console.log('после перезагрузки:', (await page.locator('#progressText').innerText()).trim());
// Выгрузка CSV.
const [download] = await Promise.all([
page.waitForEvent('download', { timeout: 20000 }),
page.locator('#export').click(),
]);
const csvPath = path.join(userDataDir, 'export.csv');
await download.saveAs(csvPath);
const csvText = fs.readFileSync(csvPath, 'utf-8');
const lines = csvText.replace(/^\ufeff/, '').trim().split(/\r?\n/);
const header = lines[0].split(',');
console.log('CSV: строк', lines.length - 1, '| колонки:', header.join(','));
assert(/path_to_image/.test(header[0]), 'в CSV нет колонки path_to_image');
assert(header.includes('quality_class') && header.includes('pack_id'), 'в CSV нет обязательных колонок');
assert(lines.length === 2, `в CSV должна быть одна строка с вердиктом, получено ${lines.length - 1}`);
assert(/,0,/.test(lines[1]), 'вердикт «годное» должен записаться как quality_class=0');
// Восстановление прогресса из файла: чистим хранилище и загружаем CSV обратно.
await page.evaluate(() => window.localStorage.clear());
await page.reload({ waitUntil: 'domcontentloaded' });
await page.waitForFunction(() => /Разобрано 0 /.test(document.getElementById('progressText').innerText), { timeout: 20000 });
await page.locator('#import').setInputFiles(csvPath);
await page.waitForFunction(() => /Разобрано 1 /.test(document.getElementById('progressText').innerText), { timeout: 20000 });
console.log('после загрузки CSV:', (await page.locator('#progressText').innerText()).trim());
console.log('внешние запросы:', external.length ? external : 'нет');
assert(external.length === 0, `пакет обратился к сети: ${external.join(', ')}`);
console.log('ошибки консоли:', consoleErrors.length ? consoleErrors : 'нет');
assert(consoleErrors.length === 0, `ошибки в консоли: ${consoleErrors.join(' | ')}`);
await context.close();
console.log('OK: пакет разметки работает автономно (вердикт, перезагрузка, выгрузка, загрузка)');
})().catch((error) => {
console.error('FAILED:', error.message);
process.exit(1);
});

164
tests/browser/ui_labeling.js Normal file
View File

@ -0,0 +1,164 @@
/**
* Проверка интерфейса ручной разметки в реальном браузере.
*
* Сценарий повторяет работу специалиста: открыть /label, выбрать снимок из
* списка, посмотреть изображение, отметить вердикт и сохранить его. Проверяется,
* что вердикт действительно дошёл до сервера (счётчик разобранных растёт и
* остаётся после перезагрузки) и что страница не обращается к внешним хостам.
*
* Требуется запущенный сервер с временным файлом вердиктов, чтобы не портить
* рабочий labels/manual_labels.csv:
* DXA_MANUAL_LABELS=/tmp/manual_ui.csv python -m uvicorn src.main:app --port 8123
* node tests/browser/ui_labeling.js
*
* Переменные окружения:
* BASE_URL адрес сервера (по умолчанию http://127.0.0.1:8123)
* PLAYWRIGHT путь к playwright-core (по умолчанию bundled Browser Use)
*/
const fs = require('fs');
const path = require('path');
const os = require('os');
function resolvePlaywright() {
if (process.env.PLAYWRIGHT) return process.env.PLAYWRIGHT;
const base = path.join(os.homedir(), '.qwen', 'updates', 'npm');
if (!fs.existsSync(base)) return 'playwright-core';
const versions = fs.readdirSync(path.join(base, fs.readdirSync(base)[0], 'versions')).sort();
for (const v of versions.reverse()) {
const candidate = path.join(
base, fs.readdirSync(base)[0], 'versions', v,
'node_modules/@qwen-code/qwen-code/bundled/browser-use/runtime/node_modules/playwright-core'
);
if (fs.existsSync(candidate)) return candidate;
}
return 'playwright-core';
}
const { chromium } = require(resolvePlaywright());
const BASE = process.env.BASE_URL || 'http://127.0.0.1:8123';
function assert(condition, message) {
if (!condition) throw new Error(message);
}
(async () => {
const userDataDir = fs.mkdtempSync(path.join(os.tmpdir(), 'dxa-label-'));
const context = await chromium.launchPersistentContext(userDataDir, {
channel: 'chrome',
headless: true,
});
const page = context.pages()[0] || await context.newPage();
await page.setViewportSize({ width: 1500, height: 1100 });
const consoleErrors = [];
const external = [];
page.on('console', (m) => { if (m.type() === 'error') consoleErrors.push(m.text()); });
page.on('pageerror', (e) => consoleErrors.push('PAGEERROR ' + e.message));
page.on('request', (request) => {
const url = request.url();
if (!url.startsWith(BASE) && !url.startsWith('data:')) external.push(url);
});
await page.goto(`${BASE}/label`, { waitUntil: 'domcontentloaded' });
console.log('title:', await page.title());
await page.waitForFunction(
() => document.querySelectorAll('#list .item-card').length > 0,
{ timeout: 90000 }
);
const summary = await page.evaluate(() => ({
progress: document.getElementById('progressText').innerText.trim(),
conflicts: document.getElementById('conflictText').innerText.trim(),
byRegion: document.getElementById('byRegion').innerText.trim(),
items: document.querySelectorAll('#list .item-card').length,
}));
console.log('summary:', summary);
assert(summary.items > 0, 'список снимков пуст');
assert(/\d+ из \d+/.test(summary.progress), `счётчик разобранных не найден: ${summary.progress}`);
const total = Number(summary.progress.match(/из (\d+)/)[1]);
assert(total > 100, `ожидался весь датасет, получено ${total}`);
// Первым идёт расхождение разметки с пометкой в имени файла.
const first = await page.evaluate(() => ({
file: document.querySelector('#list .item-card .truncate').innerText.trim(),
conflict: /расхождение/.test(document.querySelector('#list .item-card').innerText),
}));
console.log('первый снимок:', first);
assert(first.conflict, 'расхождения должны идти первыми');
// Разбор снимка: изображение должно реально загрузиться с сервера.
await page.locator('#list .item-card').first().click();
await page.waitForSelector('#detail #image', { timeout: 20000 });
await page.waitForFunction(
() => { const img = document.getElementById('image'); return img && img.naturalWidth > 0; },
{ timeout: 30000 }
);
const image = await page.evaluate(() => {
const img = document.getElementById('image');
return { w: img.naturalWidth, h: img.naturalHeight, src: img.getAttribute('src').slice(0, 40) };
});
console.log('изображение:', image);
assert(image.w > 50 && image.h > 50, `снимок не отрисован: ${JSON.stringify(image)}`);
// Вердикт: «нарушение» требует типа, «годное» его снимает.
await page.locator('#markBad').click();
const chosen = await page.locator('#violation').inputValue();
console.log('выбранный тип нарушения при отметке «нарушение»:', chosen || '(пусто)');
assert(chosen, 'при отметке «нарушение» тип не подставился');
await page.locator('#markGood').click();
assert(
(await page.locator('#violation').inputValue()) === '',
'при отметке «годное» тип нарушения должен сниматься'
);
await page.locator('#markGood').click();
await page.locator('#saveVerdict').click();
const reviewedBefore = Number(summary.progress.match(/Разобрано (\d+)/)[1]);
const expected = reviewedBefore + 1;
await page.waitForFunction(
(want) => new RegExp(`Разобрано ${want} `).test(document.getElementById('progressText').innerText),
expected,
{ timeout: 20000 }
);
console.log('после сохранения:', (await page.locator('#progressText').innerText()).trim());
// Вердикт должен сохраниться на сервере, а не только в состоянии страницы.
await page.reload({ waitUntil: 'domcontentloaded' });
await page.waitForFunction(
(want) => new RegExp(`Разобрано ${want} `).test(document.getElementById('progressText').innerText),
expected,
{ timeout: 90000 }
);
console.log('после перезагрузки:', (await page.locator('#progressText').innerText()).trim());
// Фильтр «только расхождения» должен оставлять только расхождения.
await page.locator('#filterConflicts').check();
await page.waitForFunction(
() => document.querySelectorAll('#list .item-card').length > 0,
{ timeout: 20000 }
);
const filtered = await page.evaluate(() => {
const cards = Array.from(document.querySelectorAll('#list .item-card'));
return {
items: cards.length,
withoutConflict: cards.filter((c) => !/расхождение/.test(c.innerText)).length,
};
});
console.log('фильтр расхождений:', filtered);
assert(filtered.withoutConflict === 0, 'в фильтре «только расхождения» есть лишние снимки');
console.log('внешние запросы:', external.length ? external : 'нет');
assert(external.length === 0, `страница обратилась к внешним хостам: ${external.join(', ')}`);
console.log('ошибки консоли:', consoleErrors.length ? consoleErrors : 'нет');
assert(consoleErrors.length === 0, `ошибки в консоли: ${consoleErrors.join(' | ')}`);
await context.close();
console.log('OK: интерфейс ручной разметки работает');
})().catch((error) => {
console.error('FAILED:', error.message);
process.exit(1);
});

55
tests/test_excel_labels.py
View File

@ -26,6 +26,7 @@ from src.dxa.excel_labels import ( # noqa: E402
apply_excel_labels,
format_summary,
label_dataset,
load_labels_csv,
load_study_criteria,
resolve_region,
)
@ -38,6 +39,13 @@ EXCEL_PATH = DATASET_ROOT / "НД_для_обучения" / "разметка.x
LABELS_CSV = Path("labels/labels_images.csv")
HAVE_DATASET = (DATASET_ROOT / "НД_для_обучения" / "Исследования").is_dir()
# Текущее состояние набора после пересборки разметки 2026-09-27 и удаления
# побайтных дубликатов. Числа ниже — якоря: если набор или правило снова
# разойдутся, тесты должны упасть, а не молча согласиться с новыми значениями.
TOTAL_IMAGES = 251 # уникальных снимков (252-й оказался дублем)
TOTAL_VIOLATIONS = 76 # нарушений по правилу `table`
DISPUTED = 20 # эксперт «годное», а имя файла — «нарушение»
needs_dataset = pytest.mark.skipif(not HAVE_DATASET, reason="dataset_hack is not available")
_WIDTH = 19
@ -229,6 +237,19 @@ class TestApplyExcelLabels:
out = apply_excel_labels([self._record("/s/a.dcm", region="spine")], csv)
assert out[0].region is None
def test_reads_file_saved_by_excel_with_bom(self, tmp_path):
"""
Excel сохраняет CSV с BOM, после чего первый столбец перестаёт называться
`path_to_image` и загрузка падает на несовпадении колонок. Разметку правят
в Excel, поэтому такой файл обязан читаться.
"""
path = tmp_path / "labels.csv"
path.write_bytes(
"\ufeffpath_to_image,quality_class,anatomical_region\n/s/a.dcm,1,spine\n".encode("utf-8")
)
table = load_labels_csv(path)
assert table["/s/a.dcm"]["quality_class"] == "1"
class TestResolveLabelsCsv:
"""Отсутствующий файл разметки не должен молча менять источник меток."""
@ -265,8 +286,8 @@ class TestLabelRules:
return label_dataset(DATASET_ROOT, EXCEL_PATH, label_rule="expert")
def test_union_uses_filename_evidence(self, union, table):
assert sum(1 for l in union if l.quality == 1) == 92
assert sum(1 for l in table if l.quality == 1) == 77
assert sum(1 for l in union if l.quality == 1) == 96
assert sum(1 for l in table if l.quality == 1) == TOTAL_VIOLATIONS
def test_table_rule_ignores_filename_marker(self, table):
# Снимок, помеченный `_bad`, но признанный экспертом качественным,
@ -281,7 +302,7 @@ class TestLabelRules:
assert all(l.quality_excel is None for l in fallback)
def test_expert_rule_drops_unscored_images(self, expert):
assert len(expert) == 249
assert len(expert) == 248
assert all(l.quality_excel is not None for l in expert)
assert not any(l.used_filename_fallback for l in expert)
@ -295,8 +316,8 @@ class TestLabelRules:
continue
assert label.violations == reference.violations
agreed += 1
# Расходятся ровно 15 снимков (см. следующий тест), остальные совпадают.
assert agreed == 252 - 15
# Расходятся ровно спорные снимки (см. следующий тест), остальные совпадают.
assert agreed == TOTAL_IMAGES - DISPUTED
def test_filename_only_violations_become_unspecified(self, union, table):
"""
@ -305,7 +326,7 @@ class TestLabelRules:
"""
by_uid = {l.dicom_image_uid: l for l in union}
disputed = [l for l in table if l.quality_excel == 0 and l.quality_filename == 1]
assert len(disputed) == 15
assert len(disputed) == DISPUTED
for label in disputed:
assert label.quality == 0 and label.violations == ()
assert by_uid[label.dicom_image_uid].quality == 1
@ -350,7 +371,7 @@ class TestLabelDataset:
return label_dataset(DATASET_ROOT, EXCEL_PATH)
def test_covers_every_unique_image(self, labels):
assert len(labels) == 252
assert len(labels) == TOTAL_IMAGES
def test_region_appears_once_per_study(self, labels):
seen = {}
@ -360,7 +381,7 @@ class TestLabelDataset:
seen.setdefault((label.record.study, label.region), 0)
seen[(label.record.study, label.region)] += 1
assert all(count == 1 for count in seen.values())
assert len(seen) == 251
assert len(seen) == TOTAL_IMAGES - 1 # один снимок без определённой области
def test_union_rule_holds(self):
"""Арифметика объединения источников (правило `union`, не по умолчанию)."""
@ -369,13 +390,13 @@ class TestLabelDataset:
filename = sum(1 for l in labels if l.quality_filename == 1)
both = sum(1 for l in labels if l.quality_excel == 1 and l.quality_filename == 1)
assert sum(1 for l in labels if l.quality == 1) == excel + filename - both
assert (excel, filename, both) == (74, 37, 19)
assert sum(1 for l in labels if l.quality == 1) == 92
assert (excel, filename, both) == (73, 54, 31)
assert sum(1 for l in labels if l.quality == 1) == 96
def test_default_rule_is_table(self, labels):
"""По умолчанию в метке участвует только экспертная таблица."""
assert {l.label_rule for l in labels} == {"table"}
assert sum(1 for l in labels if l.quality == 1) == 77
assert sum(1 for l in labels if l.quality == 1) == TOTAL_VIOLATIONS
def test_violations_match_excel_criteria(self, labels):
criteria = load_study_criteria(EXCEL_PATH)
@ -408,7 +429,7 @@ class TestLabelDataset:
def test_uids_are_populated(self, labels):
assert all(l.dicom_image_uid and l.dicom_study_uid for l in labels)
assert len({l.dicom_image_uid for l in labels}) == 252
assert len({l.dicom_image_uid for l in labels}) == TOTAL_IMAGES
assert len({l.dicom_study_uid for l in labels}) == 100
def test_summary_mentions_regions(self, labels):
@ -427,10 +448,10 @@ class TestTrainingWiring:
DATASET_ROOT, EXCEL_PATH, labels_csv=LABELS_CSV, seed=42
)
records = list(train_ds.records) + list(val_ds.records)
assert len(records) == 252
# Официальная разметка — правило `table`: 74 нарушения эксперта плюс 3 снимка,
assert len(records) == TOTAL_IMAGES
# Официальная разметка — правило `table`: 73 нарушения эксперта плюс 3 снимка,
# для которых таблица область не оценивала.
assert sum(r.label for r in records) == 77
assert sum(r.label for r in records) == TOTAL_VIOLATIONS
def test_split_still_has_no_study_leak(self):
train_ds, val_ds, _ = make_datasets(
@ -442,7 +463,9 @@ class TestTrainingWiring:
def test_fallback_to_filename_labels(self):
train_ds, val_ds, _ = make_datasets(DATASET_ROOT, EXCEL_PATH, labels_csv=None, seed=42)
records = list(train_ds.records) + list(val_ds.records)
assert sum(r.label for r in records) == 37
# Метки из имён файлов: 54 снимка помечены `_bad` (пометки проставлены
# вручную и расходятся с вердиктом эксперта чаще, чем совпадают).
assert sum(r.label for r in records) == 54
def test_region_head_sees_resolved_region(self):
# Область одного конфликтного дубля решается голосованием имён и приходит из CSV.

232
tests/test_labeling_api.py Normal file
View File

@ -0,0 +1,232 @@
"""
Контракт API ручной разметки (`/api/v1/labeling/*`).
Проверяется не только форма ответов, но и два свойства, которые легко потерять:
вердикт нельзя сохранить для снимка вне датасета (интерфейс ходит по путям,
приходящим от клиента), а выгрузка должна читаться тем же `load_labels_csv`, что
и построенная разметка, иначе её нельзя передать в обучение как `--labels-csv`.
"""
import csv
import os
import sys
from pathlib import Path
import pytest
sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
DATASET = Path("dataset_hack")
CHECKPOINT = Path("models/dxa_model.pth")
pytest.importorskip("fastapi")
pytest.importorskip("httpx")
needs_dataset = pytest.mark.skipif(
not DATASET.is_dir(),
reason="датасет dataset_hack недоступен",
)
VALID_VIOLATION = {
"spine": "artifact",
"hip_right": "rotation",
"hip_left": "rotation",
}
@pytest.fixture(scope="module")
def client():
os.environ.setdefault("DXA_MODEL_PATH", str(CHECKPOINT))
from fastapi.testclient import TestClient
from src.main import app
return TestClient(app)
@pytest.fixture
def manual_store(tmp_path, monkeypatch):
"""Вердикты пишутся в tmp, а не в боевой `labels/manual_labels.csv`."""
path = tmp_path / "manual_labels.csv"
monkeypatch.setattr("src.main.MANUAL_LABELS_PATH", str(path))
return path
def _first_item(client) -> dict:
response = client.get("/api/v1/labeling/items", params={"limit": 1})
assert response.status_code == 200
items = response.json()["items"]
assert items, "датасет должен содержать хотя бы один снимок"
return items[0]
@needs_dataset
class TestItems:
def test_reports_progress_and_dictionary(self, client, manual_store):
payload = client.get("/api/v1/labeling/items", params={"limit": 1}).json()
assert payload["total"] == payload["progress"]["total"]
assert payload["progress"]["reviewed"] == 0
assert set(payload["regions"]) == {"spine", "hip_right", "hip_left"}
codes = {v["code"] for v in payload["violations"]}
assert {"positioning", "axis_deviation", "artifact", "rotation", "roi_incorrect"} <= codes
def test_item_carries_provenance(self, client, manual_store):
item = _first_item(client)
for field in ("path", "file", "study", "region", "label", "base_label",
"label_source", "filename_conflict", "reviewed", "image_url"):
assert field in item, f"нет поля {field}"
assert item["label_source"] in ("manual", "table", "filename")
assert item["label"] in (0, 1)
def test_conflicts_come_first(self, client, manual_store):
items = client.get("/api/v1/labeling/items", params={"limit": 200}).json()["items"]
flags = [i["filename_conflict"] for i in items]
assert any(flags), "в датасете есть расхождения разметки с именем файла"
first_false = flags.index(False)
assert not any(flags[first_false:]), "расхождения должны идти первыми"
def test_region_filter(self, client, manual_store):
payload = client.get(
"/api/v1/labeling/items", params={"limit": 200, "region": "spine"}
).json()
assert payload["items"]
assert {i["region"] for i in payload["items"]} == {"spine"}
assert payload["total"] == payload["progress"]["by_region"]["spine"]["total"]
@needs_dataset
class TestImage:
def test_returns_png_for_dataset_image(self, client, manual_store):
item = _first_item(client)
response = client.get("/api/v1/labeling/image", params={"path": item["path"]})
assert response.status_code == 200
assert response.headers["content-type"] == "image/png"
assert response.content.startswith(b"\x89PNG")
@pytest.mark.parametrize(
"bad_path",
["../../etc/passwd", "/etc/passwd", "README.md", "dataset_hack/нет_такого.dcm"],
)
def test_refuses_paths_outside_dataset(self, client, manual_store, bad_path):
response = client.get("/api/v1/labeling/image", params={"path": bad_path})
assert response.status_code == 403, f"{bad_path} не должен отдаваться"
@needs_dataset
class TestVerdict:
def test_saves_and_shows_in_items(self, client, manual_store):
item = _first_item(client)
region = item["region"] or "spine"
response = client.post(
"/api/v1/labeling/verdict",
json={
"path": item["path"],
"region": region,
"quality": 1,
"violation": VALID_VIOLATION[region],
"comment": "размытие контура",
"reviewer": "специалист",
},
)
assert response.status_code == 200
assert response.json()["progress"]["reviewed"] == 1
stored = list(csv.DictReader(manual_store.open(newline="", encoding="utf-8")))
assert stored[0]["quality_class"] == "1"
assert stored[0]["reviewer"] == "специалист"
after = client.get("/api/v1/labeling/items", params={"limit": 200}).json()
reviewed = [i for i in after["items"] if i["path"] == item["path"]]
assert reviewed and reviewed[0]["reviewed"] is True
assert reviewed[0]["label_source"] == "manual"
assert reviewed[0]["label"] == 1
def test_good_image_rejects_violation_type(self, client, manual_store):
item = _first_item(client)
response = client.post(
"/api/v1/labeling/verdict",
json={"path": item["path"], "region": item["region"] or "spine",
"quality": 0, "violation": "artifact"},
)
assert response.status_code == 400
assert "не может быть типа нарушения" in response.json()["error"]
def test_unknown_violation_is_rejected(self, client, manual_store):
item = _first_item(client)
response = client.post(
"/api/v1/labeling/verdict",
json={"path": item["path"], "region": item["region"] or "spine",
"quality": 1, "violation": "ukladka_plohaya"},
)
assert response.status_code == 400
def test_outside_dataset_path_is_rejected(self, client, manual_store):
response = client.post(
"/api/v1/labeling/verdict",
json={"path": "/tmp/чужой.dcm", "region": "spine", "quality": 1, "violation": "artifact"},
)
assert response.status_code == 400
def test_delete_returns_image_to_built_labels(self, client, manual_store):
item = _first_item(client)
region = item["region"] or "spine"
client.post(
"/api/v1/labeling/verdict",
json={"path": item["path"], "region": region, "quality": 1,
"violation": VALID_VIOLATION[region]},
)
response = client.delete("/api/v1/labeling/verdict", params={"path": item["path"]})
assert response.status_code == 200
assert response.json()["progress"]["reviewed"] == 0
second = client.delete("/api/v1/labeling/verdict", params={"path": item["path"]})
assert second.status_code == 404
@needs_dataset
class TestExport:
def test_reviewed_export_is_loadable_by_training(self, client, manual_store):
from src.dxa.excel_labels import load_labels_csv
item = _first_item(client)
region = item["region"] or "spine"
client.post(
"/api/v1/labeling/verdict",
json={"path": item["path"], "region": region, "quality": 1,
"violation": VALID_VIOLATION[region], "reviewer": "специалист"},
)
response = client.get("/api/v1/labeling/export", params={"scope": "reviewed"})
assert response.status_code == 200
assert "text/csv" in response.headers["content-type"]
path = manual_store.parent / "export.csv"
path.write_bytes(response.content)
table = load_labels_csv(path)
assert table[item["path"]]["quality_class"] == "1"
assert table[item["path"]]["anatomical_region"] == region
def test_all_export_covers_whole_dataset(self, client, manual_store):
payload = client.get("/api/v1/labeling/items", params={"limit": 1}).json()
response = client.get("/api/v1/labeling/export", params={"scope": "all"})
rows = list(csv.DictReader(response.content.decode("utf-8-sig").splitlines()))
assert len(rows) == payload["progress"]["total"]
assert all(row["label_rule"] in ("table", "filename", "manual") for row in rows)
def test_bad_scope_rejected(self, client, manual_store):
response = client.get("/api/v1/labeling/export", params={"scope": "everything"})
assert response.status_code == 400
def test_xlsx_export(self, client, manual_store):
response = client.get(
"/api/v1/labeling/export", params={"scope": "reviewed", "fmt": "xlsx"}
)
assert response.status_code == 200
assert "spreadsheetml" in response.headers["content-type"]
assert response.content.startswith(b"PK")
def test_label_page_is_served(client):
response = client.get("/label")
assert response.status_code == 200
assert "text/html" in response.headers["content-type"]

229
tests/test_manual_labels.py Normal file
View File

@ -0,0 +1,229 @@
"""
Тесты ручной разметки: проверка вердикта, хранение, наложение и выгрузка.
Ключевое свойство, которое здесь фиксируется: файл ручных вердиктов должен
читаться тем же загрузчиком, что и построенная разметка (`load_labels_csv`),
иначе его нельзя передать в обучение как `--labels-csv` и вся затея с
подтверждением специалистом теряет смысл.
"""
import csv
from pathlib import Path
import pytest
from src.dxa.excel_labels import load_labels_csv
from src.dxa.labels import QUALITY_BAD, QUALITY_GOOD, ImageRecord
from src.dxa.manual_labels import (
MANUAL_FIELDS,
ManualVerdict,
VerdictError,
apply_manual,
export_rows,
load_verdicts,
make_verdict,
remove_verdict,
review_progress,
save_verdicts,
upsert_verdict,
validate_verdict,
)
def _record(path, region="spine", label=QUALITY_GOOD, marker=None, study="S1"):
return ImageRecord(path=Path(path), study=study, region=region, label=label, marker=marker)
class TestValidateVerdict:
def test_accepts_good_and_bad(self):
assert validate_verdict("spine", QUALITY_GOOD, "") == ("spine", 0, "")
assert validate_verdict("hip_left", QUALITY_BAD, "rotation") == ("hip_left", 1, "rotation")
def test_legacy_alias_is_canonicalized(self):
"""Устаревшие значения внешних источников приводятся к канону, а не отклоняются."""
assert validate_verdict("spine", 1, "position_error")[2] == "positioning"
assert validate_verdict("spine", 1, "roi_error")[2] == "roi_incorrect"
def test_rejects_unknown_violation_instead_of_silent_unspecified(self):
with pytest.raises(VerdictError, match="Неизвестный тип нарушения"):
validate_verdict("spine", 1, "ukladka_plohaya")
def test_rejects_region_outside_selectable(self):
with pytest.raises(VerdictError, match="Область должна быть"):
validate_verdict("unknown", 0, "")
def test_rejects_quality_outside_binary(self):
with pytest.raises(VerdictError, match="0 или 1"):
validate_verdict("spine", 2, "")
def test_rejects_violation_for_good_image(self):
with pytest.raises(VerdictError, match="не может быть типа нарушения"):
validate_verdict("spine", 0, "artifact")
def test_rejects_violation_from_other_region(self):
"""Ротация — критерий бедра; на позвоночнике это признак ошибки ввода."""
with pytest.raises(VerdictError, match="относится к области"):
validate_verdict("spine", 1, "rotation")
def test_hip_scope_covers_both_hips(self):
"""В словаре нарушений бедро — один код `hip`, а область всегда конкретная."""
assert validate_verdict("hip_right", 1, "rotation")[2] == "rotation"
assert validate_verdict("hip_left", 1, "rotation")[2] == "rotation"
with pytest.raises(VerdictError, match="относится к области"):
validate_verdict("hip_right", 1, "axis_deviation")
class TestStore:
def test_missing_file_is_empty(self, tmp_path):
assert load_verdicts(tmp_path / "manual_labels.csv") == {}
def test_roundtrip_and_upsert(self, tmp_path):
store = tmp_path / "manual_labels.csv"
upsert_verdict(store, make_verdict("/s/a.dcm", "spine", 1, "artifact", comment="мусор"))
upsert_verdict(store, make_verdict("/s/a.dcm", "spine", 0, "", reviewer="Иванов"))
verdicts = load_verdicts(store)
assert len(verdicts) == 1
assert verdicts["/s/a.dcm"].quality == QUALITY_GOOD
assert verdicts["/s/a.dcm"].reviewer == "Иванов"
def test_remove_verdict_returns_image_to_built_labels(self, tmp_path):
store = tmp_path / "manual_labels.csv"
upsert_verdict(store, make_verdict("/s/a.dcm", "spine", 1, "artifact"))
upsert_verdict(store, make_verdict("/s/b.dcm", "spine", 1, "artifact"))
assert set(remove_verdict(store, "/s/a.dcm")) == {"/s/b.dcm"}
with pytest.raises(VerdictError, match="Нет ручного вердикта"):
remove_verdict(store, "/s/a.dcm")
def test_file_has_declared_columns(self, tmp_path):
store = tmp_path / "manual_labels.csv"
upsert_verdict(store, make_verdict("/s/a.dcm", "spine", 1, "artifact"))
with store.open(newline="", encoding="utf-8") as fh:
assert tuple(next(csv.reader(fh))) == MANUAL_FIELDS
def test_reads_file_saved_by_excel_with_bom(self, tmp_path):
"""Excel сохраняет CSV с BOM; разметку после ручной правки надо читать."""
store = tmp_path / "manual_labels.csv"
body = (
"path_to_image,anatomical_region,quality_class,violation_type,comment,reviewer,reviewed_at\n"
"/s/a.dcm,spine,1,artifact,,,\n"
)
store.write_bytes(b"\xef\xbb\xbf" + body.encode("utf-8"))
assert set(load_verdicts(store)) == {"/s/a.dcm"}
def test_corrupt_row_is_skipped_not_fatal(self, tmp_path):
store = tmp_path / "manual_labels.csv"
store.write_text(
"path_to_image,anatomical_region,quality_class,violation_type,comment,reviewer,reviewed_at\n"
"/s/ok.dcm,spine,1,artifact,,,\n"
"/s/bad_region.dcm,hips,1,artifact,,,\n"
"/s/bad_quality.dcm,spine,7,artifact,,,\n",
encoding="utf-8",
)
assert set(load_verdicts(store)) == {"/s/ok.dcm"}
def test_readable_by_training_loader(self, tmp_path):
"""Файл вердиктов должен приниматься обучением как `--labels-csv`."""
store = tmp_path / "manual_labels.csv"
upsert_verdict(store, make_verdict("/s/a.dcm", "spine", 1, "artifact"))
upsert_verdict(store, make_verdict("/s/b.dcm", "hip_left", 0, ""))
table = load_labels_csv(store)
assert table["/s/a.dcm"]["quality_class"] == "1"
assert table["/s/b.dcm"]["anatomical_region"] == "hip_left"
class TestOverlay:
def test_overrides_only_reviewed_images(self):
records = [
_record("/s/a.dcm", label=QUALITY_GOOD),
_record("/s/b.dcm", label=QUALITY_BAD, marker="bad"),
]
verdicts = {"/s/a.dcm": make_verdict("/s/a.dcm", "hip_right", 1, "rotation")}
updated = apply_manual(records, verdicts)
assert [(r.label, r.region) for r in updated] == [(1, "hip_right"), (1, "spine")]
assert updated[1].region == "spine"
assert updated[1].marker == "bad"
def test_partial_review_keeps_other_images_intact(self):
records = [_record(f"/s/{i}.dcm") for i in range(5)]
updated = apply_manual(records, {"/s/2.dcm": make_verdict("/s/2.dcm", "spine", 1, "artifact")})
assert [r.label for r in updated] == [0, 0, 1, 0, 0]
class TestProgress:
def test_counts_reviewed_changed_and_conflicts(self):
records = [
_record("/s/a.dcm", region="spine", label=QUALITY_GOOD),
_record("/s/b.dcm", region="spine", label=QUALITY_GOOD, marker="bad"),
_record("/s/c.dcm", region="hip_left", label=QUALITY_BAD, marker="bad"),
]
verdicts = {"/s/a.dcm": make_verdict("/s/a.dcm", "spine", 0, "")}
progress = review_progress(records, verdicts)
assert progress["total"] == 3
assert progress["reviewed"] == 1
assert progress["remaining"] == 2
assert progress["confirmed"] == 1
assert progress["changed"] == 0
# /s/b.dcm: разметка «годное», пометка в имени «bad»
assert progress["filename_conflict"] == 1
assert progress["by_region"]["spine"] == {"total": 2, "reviewed": 1}
assert progress["by_region"]["hip_left"] == {"total": 1, "reviewed": 0}
def test_changed_counts_label_corrections(self):
records = [_record("/s/a.dcm", label=QUALITY_GOOD)]
verdicts = {"/s/a.dcm": make_verdict("/s/a.dcm", "spine", 1, "artifact")}
progress = review_progress(records, verdicts)
assert progress["changed"] == 1
assert progress["confirmed"] == 0
class TestExport:
def test_scope_reviewed_contains_only_reviewed(self):
records = [_record("/s/a.dcm"), _record("/s/b.dcm", label=QUALITY_BAD)]
verdicts = {"/s/a.dcm": make_verdict("/s/a.dcm", "spine", 1, "artifact", reviewer="Иванов")}
rows = export_rows(records, verdicts, scope="reviewed")
assert len(rows) == 1
assert rows[0]["label_rule"] == "manual"
assert rows[0]["quality_class"] == "1"
assert rows[0]["reviewer"] == "Иванов"
def test_scope_all_merges_and_marks_origin(self):
records = [_record("/s/a.dcm", label=QUALITY_BAD), _record("/s/b.dcm")]
verdicts = {}
rows = export_rows(records, verdicts, scope="all", expert_paths=["/s/a.dcm"])
rules = {r["path_to_image"]: r["label_rule"] for r in rows}
assert rules == {"/s/a.dcm": "table", "/s/b.dcm": "filename"}
def test_unknown_scope_rejected(self):
with pytest.raises(VerdictError, match="scope должен быть"):
export_rows([], {}, scope="everything")
def test_missing_dicom_does_not_break_export(self):
"""Пути вне датасета (или битый DICOM) дают пустые UID, а не исключение."""
rows = export_rows([_record("/no/such/file.dcm")], {}, scope="all")
assert rows[0]["study_uid"] == ""
assert rows[0]["image_uid"] == ""
def test_empty_verdict_is_not_confused_with_good(self):
"""Словарь вердиктов пуст — строка всё равно описывает метку из разметки."""
rows = export_rows([_record("/s/a.dcm", label=QUALITY_BAD)], {}, scope="all")
assert rows[0]["quality_class"] == "1"
assert rows[0]["violation_type"] == ""
assert rows[0]["reviewed_at"] == ""
def test_verdict_carries_timestamp():
verdict: ManualVerdict = make_verdict("/s/a.dcm", "spine", 1, "artifact")
assert verdict.reviewed_at.endswith("+00:00")
def test_saving_empty_store_creates_header(tmp_path):
store = tmp_path / "manual_labels.csv"
save_verdicts(store, {})
assert store.read_text(encoding="utf-8").startswith("path_to_image,")
assert load_verdicts(store) == {}

212
tests/test_review_pack.py Normal file
View File

@ -0,0 +1,212 @@
"""
Тесты автономного HTML-пакета для ручной разметки (`src/dxa/review_pack.py`).
Проверяется то, от чего зависит работа врача без сервиса: страница не тянет
ничего из сети, встроенные данные разбираются, выгрузка читается обучением, а
вердикты из чужого пакета не подмешиваются молча.
"""
import csv
import json
import re
from pathlib import Path
import pytest
from src.dxa.dataset import build_records
from src.dxa.excel_labels import load_labels_csv
from src.dxa.labels import QUALITY_BAD, QUALITY_GOOD, ImageRecord
from src.dxa.review_pack import (
REVIEW_FIELDS,
collect_items,
main,
merge_review,
pack_fingerprint,
render_html,
)
DATASET_ROOT = Path("dataset_hack")
EXCEL_PATH = DATASET_ROOT / "НД_для_обучения" / "разметка.xlsx"
LABELS_CSV = Path("labels/labels_images.csv")
HAVE_DATASET = (DATASET_ROOT / "НД_для_обучения" / "Исследования").is_dir()
needs_dataset = pytest.mark.skipif(not HAVE_DATASET, reason="dataset_hack is not available")
def _record(path, region="spine", label=QUALITY_GOOD, marker=None, study="S1"):
return ImageRecord(path=Path(path), study=study, region=region, label=label, marker=marker)
def _labels_table(**overrides):
row = {"quality_class": "0", "anatomical_region": "spine", "violation_type": ""}
row.update(overrides)
return {"/s/a.dcm": row}
class TestFingerprint:
def test_is_order_independent(self):
assert pack_fingerprint(["a", "b"]) == pack_fingerprint(["b", "a"])
def test_differs_for_different_sets(self):
assert pack_fingerprint(["a", "b"]) != pack_fingerprint(["a", "c"])
def test_short_and_stable(self):
value = pack_fingerprint(["a"])
assert len(value) == 10 and value == pack_fingerprint(["a"])
class TestCollectItems:
def test_conflicts_come_first(self):
records = [
_record("/s/a.dcm", label=QUALITY_GOOD),
_record("/s/b.dcm", label=QUALITY_BAD, marker="good"),
_record("/s/c.dcm", label=QUALITY_GOOD, marker="bad"),
]
items = collect_items(records, _labels_table(), expert_paths=["/s/a.dcm"])
assert [item["path"] for item in items] == ["/s/b.dcm", "/s/c.dcm", "/s/a.dcm"]
assert all(item["conflict"] for item in items[:2])
assert not items[2]["conflict"]
def test_marks_source_from_labels_table(self):
records = [_record("/s/a.dcm"), _record("/s/b.dcm")]
items = collect_items(records, _labels_table(), expert_paths=["/s/a.dcm"])
sources = {item["path"]: item["source"] for item in items}
assert sources == {"/s/a.dcm": "table", "/s/b.dcm": "filename"}
def test_carries_violation_from_built_labels(self):
records = [_record("/s/a.dcm", label=QUALITY_BAD)]
items = collect_items(records, _labels_table(violation_type="rotation;roi_incorrect"))
assert items[0]["violation"] == "rotation;roi_incorrect"
# Подпись берётся по первому критерию: в разметке их может быть два.
assert items[0]["violation_label"] == "Ротация / позиционирование"
def test_limit_and_conflicts_only(self):
records = [
_record("/s/a.dcm", label=QUALITY_GOOD),
_record("/s/b.dcm", label=QUALITY_BAD, marker="good"),
_record("/s/c.dcm", label=QUALITY_GOOD, marker="bad"),
]
assert len(collect_items(records, {}, limit=2)) == 2
only = collect_items(records, {}, only_conflicts=True)
assert [item["path"] for item in only] == ["/s/b.dcm", "/s/c.dcm"]
class TestRenderHtml:
def _items(self):
return [
{"path": "/s/a.dcm", "file": "a.dcm", "study": "S1", "region": "spine",
"label": 1, "violation": "artifact", "violation_label": "Артефакты",
"conflict": True, "marker": "bad", "source": "table", "image": "data:image/png;base64,AA"},
]
def test_all_placeholders_are_substituted(self):
html = render_html(self._items(), "Пакет", "abcdef1234", [])
assert "@@" not in html, "в странице остались неподставленные маркеры"
def test_does_not_reference_network(self):
"""Пакет открывается с диска: внешних ресурсов быть не должно."""
html = render_html(self._items(), "Пакет", "abcdef1234", [])
assert "http://" not in html and "https://" not in html
assert not re.search(r'(?:src|href)="/(?!/)', html), "есть ссылки на /static или CDN"
def test_payload_is_valid_json_with_items(self):
html = render_html(self._items(), "Пакет", "abcdef1234", [{"code": "artifact", "label": "A", "scope": "any"}])
raw = re.search(r'<script id="payload" type="application/json">(.*?)</script>', html, re.S)
assert raw, "не найден блок с данными"
payload = json.loads(raw.group(1))
assert payload["packId"] == "abcdef1234"
assert len(payload["items"]) == 1
assert payload["items"][0]["conflict"] is True
assert "image" in payload["items"][0]
assert payload["reviewFields"] == list(REVIEW_FIELDS)
def test_embedded_image_uri_is_not_broken(self):
"""`</` внутри JSON ломало бы разбор блока script."""
item = {**self._items()[0], "comment": "закрывающий тег </script> в тексте"}
html = render_html([item], "Пакет", "abcdef1234", [])
payload = re.search(r'<script id="payload" type="application/json">(.*?)</script>', html, re.S)
assert json.loads(payload.group(1))
@needs_dataset
class TestMergeReview:
def _write_review(self, tmp_path, rows):
path = tmp_path / "doctor.csv"
with path.open("w", newline="", encoding="utf-8") as fh:
writer = csv.DictWriter(fh, fieldnames=list(REVIEW_FIELDS))
writer.writeheader()
writer.writerows(rows)
return path
def test_overrides_built_labels(self, tmp_path):
records = build_records(
str(DATASET_ROOT), str(EXCEL_PATH), dedup=True, labels_csv=str(LABELS_CSV)
)
first = records[0].path.as_posix()
review = self._write_review(tmp_path, [{
"path_to_image": first, "anatomical_region": "spine", "quality_class": "1",
"violation_type": "artifact", "comment": "проверено врачом",
"reviewer": "Тестова", "reviewed_at": "2026-09-27T00:00:00+00:00", "pack_id": "x",
}])
out = tmp_path / "merged.csv"
summary = merge_review(review, out, labels_csv=LABELS_CSV)
assert summary["reviewed"] == 1 and summary["overridden"] == 1
assert not summary["unmatched"]
table = load_labels_csv(out)
assert len(table) == summary["rows"]
assert table[first]["quality_class"] == "1"
assert table[first]["label_rule"] == "manual"
assert table[first]["reviewer"] == "Тестова"
# Остальные снимки остаются с меткой построенной разметки.
assert any(row["label_rule"] == "table" for row in table.values())
def test_reports_paths_absent_from_dataset(self, tmp_path):
review = self._write_review(tmp_path, [{
"path_to_image": "/чужой/снимок.dcm", "anatomical_region": "spine",
"quality_class": "0", "violation_type": "", "comment": "", "reviewer": "",
"reviewed_at": "", "pack_id": "x",
}])
out = tmp_path / "merged.csv"
summary = merge_review(review, out, labels_csv=LABELS_CSV)
assert summary["unmatched"] == ["/чужой/снимок.dcm"]
assert summary["overridden"] == 0
def test_empty_review_is_rejected(self, tmp_path):
path = tmp_path / "empty.csv"
with path.open("w", newline="", encoding="utf-8") as fh:
csv.DictWriter(fh, fieldnames=list(REVIEW_FIELDS)).writeheader()
with pytest.raises(ValueError, match="нет ни одного разобранного вердикта"):
merge_review(path, tmp_path / "out.csv", labels_csv=LABELS_CSV)
@needs_dataset
class TestCli:
def test_build_writes_file_with_expected_shape(self, tmp_path, capsys):
out = tmp_path / "pack.html"
code = main(["--out", str(out), "--limit", "3"])
assert code == 0
assert out.exists() and out.stat().st_size > 10_000
html = out.read_text(encoding="utf-8")
payload = re.search(r'<script id="payload" type="application/json">(.*?)</script>', html, re.S)
data = json.loads(payload.group(1))
assert len(data["items"]) == 3
assert all(item["image"].startswith("data:image/png;base64,") for item in data["items"])
printed = capsys.readouterr().out
assert "Снимков в пакете: 3" in printed
assert "Отпечаток набора:" in printed
def test_only_conflicts_filter(self, tmp_path):
out = tmp_path / "pack.html"
main(["--out", str(out), "--only-conflicts", "--limit", "5"])
html = out.read_text(encoding="utf-8")
data = json.loads(
re.search(r'<script id="payload" type="application/json">(.*?)</script>', html, re.S).group(1)
)
assert data["items"] and all(item["conflict"] for item in data["items"])
def test_merge_requires_out(self, tmp_path, capsys):
with pytest.raises(SystemExit):
main(["--merge", str(tmp_path / "x.csv")])