TopCoW 训练数据与外部测试集

数据集获取

源站：https://doi.org/10.5281/zenodo.15692629

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 14.39 GB。

数据说明

来自TopCoW挑战赛的训练数据与外部测试集 本Zenodo上传文件随附TopCoW挑战赛总结论文（见引用）。它包含了TopCoW挑战赛发布的训练数据以及论文分析与基准测试中使用的四个外部测试集。我们创建此Zenodo记录，旨在永久发布TopCoW挑战赛数据。这些外部测试集源自公开资源，并已按照与TopCoW训练数据相同的方式进行了标注，为任何有兴趣复现我们论文中评估结果的人提供了持续的基准。合并后的数据也为将TopCoW标签推广至其他数据集提供了起点。关于此上传数据的更多细节与分析，请参阅我们的挑战赛总结论文。如果您使用了本Zenodo上传中的数据，请引用TopCoW挑战赛论文（见引用）。我们还提供了一个Zenodo“软件”上传，其中包含TopCoW挑战赛中表现最佳的Docker容器。

来看看：表现最佳的TopCoW分割Docker

数据内容

每个zip文件包含MRA和/或CTA图像（LPS+方向），以及标签：CoW分割掩膜、CoW感兴趣区域（ROI）和CoW图。数据ZIP文件通常包含以下子文件夹：

所有图像存储在子文件夹imagesTr中。这些图像是nifti格式的血管造影扫描，LPS+方向。

CoW分割掩膜位于子文件夹cow_seg_labelsTr中。

CoW ROI的大小和位置以文本文件格式存储在roi_loc_labelsTr中。ROI的x、y、z对应LPS+方向。

指示CoW图边是否存在（0：不存在，1：存在）的yml文件存储在子文件夹antpos_edges_labelsTr中。

此外，对于每个外部测试集，我们还提供一个raw/子文件夹，其中包含原始图像及其脑壳裁剪和CoW标签：

raw/raw_imgs：来自公共外部数据集的原始图像

raw/cow_seg_labels_for_raw_imgs：已反转的CoW掩膜

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。