Grand Challenge：Parse2022 肺动脉分割数据集
在医学图像分析领域，研究肺动脉结构具有重要的临床意义。一个前提步骤是从 CT 中以高精度、低耗时地分割肺动脉结构。肺动脉结构的分割有助于量化其形态变化，从而用于肺动脉高压的诊断和胸外科手术
基本信息
资源简介
Grand Challenge：Parse2022 肺动脉分割数据集
Grand Challenge: Parse2022 是一个面向医学图像分析中肺动脉结构研究的公开挑战数据集，来源站为 parse2022.grand-challenge.org，本站将其归类于循环系统疾病 / 其他。该数据集关注的核心问题是如何从 CT 图像中以高精度、低耗时的方式分割肺动脉结构。肺动脉结构的分割在临床上具有重要意义，可服务于肺动脉形态变化的量化，进而支持肺动脉高压的诊断以及胸外科手术。由于肺动脉拓扑结构复杂，且不同患者之间拓扑结构差异较大，自动分割面临显著挑战；同时，带有良好标注的大规模公开 CT 数据十分稀缺，标注过程本身也极为困难，这在一定程度上阻碍了自动肺动脉分割算法的发展。该数据集正是为应对这一需求而设立。
【数据集背景】
在医学图像分析领域，研究肺动脉结构具有重要的临床意义。一个前提步骤是从 CT 中以高精度、低耗时地分割肺动脉结构。肺动脉结构的分割有助于量化其形态变化，从而用于肺动脉高压的诊断和胸外科手术。然而，由于肺动脉拓扑结构的复杂性，肺动脉拓扑的自动分割是一项具有挑战性的任务。此外，可公开获取的、带有良好肺动脉标注的大规模 CT 数据十分稀缺，不同患者之间拓扑结构的巨大差异使得标注成为一项极其困难的过程。缺乏良好标注的肺动脉数据，阻碍了自动肺动脉分割算法的发展。该数据集即在这一背景下提出，旨在推动相关算法的研究与进步。
【数据内容】
该数据集涉及 CT 图像中的肺动脉结构分割任务。源站描述指出，可公开获取的、带有良好标注的大规模 CT 数据十分稀缺，而不同患者之间拓扑结构存在较大差异，使得标注过程极具挑战。关于数据集的具体样本数量、图像尺寸、标注格式、类别定义等详细信息，源站未提供。
【采集与来源】
数据集来源站为 parse2022.grand-challenge.org。源站描述提及数据为 CT 数据，并强调带有良好标注的肺动脉 CT 数据稀缺、标注困难。关于采集设备、采集机构、采集时间、受试者人群构成等具体信息，源站未提供。
【适用场景】
该数据集适用于医学图像分析中肺动脉结构的分割研究。其潜在应用方向包括：量化肺动脉的形态变化，以支持肺动脉高压的诊断；以及服务于胸外科手术相关需求。由于自动分割肺动脉拓扑结构具有挑战性，该数据集也可用于推动自动肺动脉分割算法的开发与评估。关于具体的评价指标、任务设置与排名方式，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站描述强调，肺动脉拓扑结构复杂，且不同患者之间拓扑结构差异较大，这使自动分割成为一项具有挑战性的任务。同时，可公开获取的、带有良好标注的大规模 CT 数据稀缺，标注过程极其困难，缺乏良好标注的肺动脉数据会阻碍自动肺动脉分割算法的发展。这些因素构成了该数据集所面对的主要困难与限制。关于数据本身的质量评估、标注一致性、误差水平等具体信息，源站未提供。
【引用与许可】
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://parse2022.grand-challenge.org/
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
在医学图像分析领域，研究肺动脉结构具有重要的临床意义。一个先决步骤是从CT中高精度、低耗时地分割肺动脉结构。肺动脉结构的分割有助于量化其形态变化，从而用于诊断肺动脉高压和胸外科手术。然而，由于肺动脉拓扑结构的复杂性，自动分割肺动脉拓扑是一项具有挑战性的任务。此外，公开可获取的、具有良好标注肺动脉的大规模CT数据十分稀缺（不同患者拓扑结构的巨大差异使得标注过程极具挑战性）。缺乏良好标注的肺动脉阻碍了自动肺动脉分割算法的发展。因此，我们尝试在MICCAI 2022举办首届肺动脉分割挑战赛（命名为Parse2022），以开启一个新的研究课题。
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。
