RSNA 颅内动脉瘤检测数据集
RSNA颅内动脉瘤检测数据集（RSNA-ICA）。主题标签：颅内动脉瘤、心血管系统疾病、动脉瘤、医学影像、目标检测。本站分类：心血管系统疾病/动脉瘤
基本信息
资源简介
RSNA 颅内动脉瘤检测数据集
RSNA Intracranial Aneurysm Detection Dataset（RSNA-ICA）是一个面向颅内动脉瘤检测的医学影像数据集，主题涵盖颅内动脉瘤、心血管系统疾病、动脉瘤、医学影像与目标检测等方向。该数据集在相关资源站点中被归类于心血管系统疾病下的动脉瘤类别，其命名中的“RSNA”与“ICA”分别指向放射学会相关背景与颅内动脉瘤这一核心目标。从整体定位来看，该数据集服务于医学影像分析领域中对颅内动脉瘤的自动识别与定位任务，属于目标检测范式下的专业数据资源。其内容围绕颅内动脉瘤的影像学表现组织，旨在为相关算法研究、模型训练与评估提供数据支撑。以下将从多个维度对该数据集进行介绍。
【数据集背景】
颅内动脉瘤是心血管系统疾病中一类具有潜在严重风险的病变，其早期发现与准确定位对临床诊疗具有重要意义。随着医学影像技术与人工智能方法的发展，利用影像数据开展自动检测成为该领域的重要研究方向。RSNA-ICA 正是在这一背景下构建的颅内动脉瘤检测数据集，其主题标签明确指向颅内动脉瘤、心血管系统疾病、动脉瘤、医学影像与目标检测，反映出该数据集聚焦于以目标检测方式处理颅内动脉瘤影像数据。该数据集在分类体系中归属于心血管系统疾病/动脉瘤，说明其应用领域与心血管影像分析密切相关。
【数据内容】
该数据集的主题标签包括颅内动脉瘤、心血管系统疾病、动脉瘤、医学影像、目标检测。由此可知，其数据内容围绕颅内动脉瘤的医学影像展开，并面向目标检测任务进行组织。关于具体的影像模态、样本数量、标注格式、类别分布、图像尺寸、文件结构等详细内容，源站未提供。
【采集与来源】
该数据集来源于 scigantic.com 站点，源站对其的描述为“RSNA Intracranial Aneurysm Detection Dataset (RSNA-ICA)”。关于数据的具体采集机构、采集设备、采集时间、采集地点、伦理审批信息、患者人群构成等，源站未提供。
【适用场景】
基于其主题标签与分类，该数据集适用于颅内动脉瘤相关的医学影像目标检测研究与应用场景，可用于训练和评估面向颅内动脉瘤的检测模型，支持心血管系统疾病特别是动脉瘤方向的影像分析工作。关于具体的临床适用条件、适用人群、适用设备或具体任务边界，源站未提供。
【使用方法】
该数据集面向目标检测任务，使用者可依据目标检测的一般流程将其用于模型训练、验证与测试等环节。关于数据的具体加载方式、标注解析方法、预处理要求、划分方式、评价指标及使用步骤，源站未提供。
【质量与限制】
该数据集在分类上归属于心血管系统疾病/动脉瘤，主题聚焦于颅内动脉瘤检测。关于数据质量、标注准确性、样本偏差、覆盖范围、潜在限制及使用注意事项等，源站未提供。
【引用与许可】
关于该数据集的引用格式、许可协议、使用条款、版权归属及商用限制等信息，源站未提供。
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。
需登录公开下载
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。
暂未开放有偿下载
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://scigantic.com/archive/dfb2bce7-bdba-5edd-b4c4-87fcc4ef85b6
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:
数据说明
RSNA Intracranial Aneurysm Detection Dataset (RSNA-ICA)
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。
