结合坐标信息的三维深度学习方法用于改善腹主动脉瘤术前与术后分割
该数据集围绕腹主动脉瘤的CT影像分割任务构建，包含非增强CT与增强CT两类影像，并分别覆盖术前与EVAR术后场景。其中非增强CT术前训练200例、测试20例，增强CT术前训练200例、测试20例；EVAR术后非增强CT训练20例、测试20例，EVAR术后增强CT训练20例、测试20例
基本信息
资源简介
结合坐标信息的三维深度学习方法用于改善腹主动脉瘤术前与术后分割
A 3D deep learning approach incorporating coordinate information to improve the segmentation of pre- and post-operative abdominal aortic aneurysm
该数据集围绕腹主动脉瘤的CT影像分割任务构建，包含非增强CT与增强CT两类影像，并分别覆盖术前与EVAR术后场景。其中非增强CT术前训练200例、测试20例，增强CT术前训练200例、测试20例；EVAR术后非增强CT训练20例、测试20例，EVAR术后增强CT训练20例、测试20例。数据以AAA_dataset.zip形式提供，可用于训练和评估结合坐标信息的三维深度学习分割方法，并支持迁移学习等相关研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2022-02-01。
【数据内容】
源站描述（机器翻译，仅供参考）：腹主动脉瘤数据集——非增强CT：训练200例，测试20例——增强CT：训练200例，测试20例——EVAR术后非增强CT：训练20例，测试20例——EVAR术后增强CT 20例，测试20例。
【数据结构与技术规格】
文件数 1 个，合计 2.58 GB。数据集 DOI：10.6084/m9.figshare.19090052.v1。
【主题与分类】
源站学科分类：Artificial intelligence not elsewhere classified。主题标签：abdominal aortic aneurysm、computed tomography、3D segmentation、deep learning、coordinate information、transfer learning。本站分类：心血管系统疾病/腹主动脉瘤。
【适用方向】
源站学科分类标注为 Artificial intelligence not elsewhere classified。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/A_3D_deep_learning_approach_incorporating_coordinate_information_to_improve_the_segmentation_of_pre-_and_post-operative_abdominal_aortic_aneurysm/19090052
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Siriapisith, Thanongchai; Kusakunniran, Worapan; Haddawy, Peter (2022). A 3D deep learning approach incorporating coordinate information to improve the segmentation of pre- and post-operative abdominal aortic aneurysm. figshare. Dataset
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://doi.org/10.6084/m9.figshare.19090052.v1
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 2.58 GB。
数据说明
Dataset of abdominal aortic aneurysm-Non-contrast CT: train 200 cases, test 20 cases-Contrast enhanced CT: train 200 cases, test 20 cases-Non-contrast of post EVAR CT: train 20 cases, test 20 cases-Contrast enhanced of post EVAR CT 20 cases and test 20 cases.
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
