血管畸形鉴别诊断热成像数据集
该数据集是一个包含血管畸形（如低流量毛细血管畸形和高流量动静脉畸形）的热成像图像、多普勒超声及磁共振影像的多模态医学影像数据集，通过定制双摄像头系统同步采集可见光与红外数据，主要用于血管畸形的鉴别诊断、早期分类研究以及热成像技术在临床辅助诊断中的应用探索。
基本信息
资源简介
血管畸形鉴别诊断热成像数据集
【数据集背景】
本数据集源站标题为《Thermography for the differential diagnosis of vascular malformations》。源站首次发布：2019-11-09。
【数据内容】
源站原始描述：This dataset contains thermographic and classic imaging modalities (Doppler ultrasonography and magnetic resonance) of low- and high-flow vascular malformations. In the file supplement_1, there is a comparative between alike low- and high-flow malformations in visible and the infrared band. Arrows indicate the exact localization of the malformation. Pictures on the top row correspond to a high-flow arteriovenous malformation and snapshots on the bottom row to a low-flow capillary malformation. I…
【数据结构与技术规格】
文件数 4 个，合计 10.52 MB。数据集 DOI：10.17632/y82fj6296z.1。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/y82fj6296z
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://data.mendeley.com/datasets/y82fj6296z
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
该数据集是一个用于血管畸形鉴别诊断的医学影像数据集，包含低流量与高流量血管畸形的热成像图像以及经典影像模态（如多普勒超声和磁共振成像）数据。数据通过定制成像系统采集，该系统同时配备可见光与红外摄像头，可测量绝对温度值。数据集提供了可见光与红外波段下类似血管畸形的对比分析，热成像图像能清晰显示高流量畸形区域的显著温度变化（可达1°C）和血流分布不对称性，而低流量畸形则呈现更均匀的温度分布（变化低于0.3°C）。该数据集主要用于血管畸形的早期分类、非侵入性诊断及热成像技术在医学影像辅助诊断中的研究与应用。
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。
