FairPE
149例CTPA图像，精细标注肺栓塞分割掩膜，用于评估标注质量对分割模型性能的影响。
基本信息
资源简介
FairPE是由慕尼黑工业大学等机构构建的肺栓塞分割基准数据集，用于量化标注质量对模型评估的影响。该数据集包含149例CTPA图像，来自CADPE、FUMPE和READ三个公开数据集，经过统一协议重新标注，包括精细的肺栓塞分割掩膜。数据创建过程包括系统筛选、初级标注者按协议标注，由资深放射科医生审查修订，并进行了多标注者一致性验证。该数据集旨在解决现有标注不一致问题，提供人类参考评估框架，支撑肺栓塞自动分割的公平比较。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/iblueer777/PEbench.git
curl -L -o repo.zip https://github.com/iblueer777/PEbench/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
▶️ Usage
python pre_totalseg.py \
-i /path/to/raw_data \
-o /path/to/nnUNet_raw \
dataset_name Dataset080_3DPECT \
margin 10 \
-n 4
| Flag | Required | Default | Description |
|---|---|---|---|
-i, input |
✅ | – | Root directory of raw .nii/.nii.gz + .nrrd files |
-o, output |
✅ | – | Output root directory (nnUNet_raw) |
dataset_name |
✅ | – | Dataset folder name, e.g. Dataset080_3DPECT |
margin |
❌ | 10 |
Voxel margin added around the lung bounding box |
-n, n_processes |
❌ | 4 |
Parallel worker processes |
[!TIP]
The script processes one sample first as a smoke test, then asks for confirmation before batch-processing the rest. Cases with bad/mismatched files are skipped and reported rather than aborting the run; re-running skips cases already done. ♻️
📁 Output
<output>/<dataset_name>/
├── imagesTr/
├── labelsTr/
├── crop_info.json
└── dataset.json
⏭️ Next steps
python create_splits.py -d <output>/<dataset_name> folds 5
nnUNetv2_plan_and_preprocess -d <DATASET_ID> verify_dataset_integrity
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 其他 的高质量、多模态真实临床数据定制解决方案。
