OCMR开放心血管MRI k空间数据集
OCMR开放心血管MRI k空间数据集收录心血管MRI多线圈k空间数据和电影MRI采集序列，数据模态为图像，适合肥厚型心肌病相关病例识别、诊断建模、分割检测、风险评估或临床研究复现。
基本信息
资源简介
OCMR开放心血管MRI k空间数据集
【一句话概览】
心血管磁共振成像（CMR）是一种无创成像方式，具有优异的软组织对比度且不使用电离辐射。生理运动和MRI采集速度有限，促使加速方法发展，这些方法通常依赖欠采样。从高度欠采样数据中恢复诊断质量的CMR图像一直是活跃研究领域。为客观评估和比较不同重建方法，本研究提出开放获取数据集OCMR，提供多线圈k空间数据，包含165个全采样和212个前瞻性欠采样心脏电影序列，分别对应279层和842层（来源 ocmr.info）。
【数据集背景】
本数据集源站标题为《OCMR—Open-Access Multi-Coil k-Space Dataset for Cardiovascular Magnetic Resonance Imaging》。
【数据内容】
源站原始描述：Cardiovascular MRI (CMR) is a non-invasive imaging modality that provides excellent soft-tissue contrast without the use of ionizing radiation. Physiological motions and limited speed of MRI data acquisition have necessitated the development of accelerated methods, which typically rely on undersampling. Recovering diagnostic-quality CMR images from highly undersampled data has been an active area of research. Recently, several data acquisition and processing methods have been proposed to acceler…
中文译文（机器翻译，仅供快速理解，请以原文为准）：心血管磁共振成像（CMR）是一种无创成像方式，无需使用电离辐射即可提供优异的软组织对比度。生理运动以及MRI数据采集速度的限制，使得加速方法的开发成为必要，而这些方法通常依赖于欠采样。从高度欠采样的数据中恢复具有诊断质量的CMR图像一直是一个活跃的研究领域。近年来，已有多种数据采集和处理方法被提出以加速CMR。可用于客观评估和比较不同重建方法的数据的获取，有望加速创新并推动这些方法的临床转化。在本研究中，我们介绍了一个名为OCMR的开放获取数据集，该数据集提供了来自165个完全采样和212个前瞻性欠采样心脏电影序列的多线圈k空间数据，分别包含279层和842层图像。
【主题与分类】
主题标签：Cardiovascular MRI、CMR、multi-coil k-space、cardiac cine、undersampling、image reconstruction、open-access。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://ocmr.info/
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。
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
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
OCMR 数据集包含心血管MRI多线圈k空间数据和电影MRI采集序列，可围绕肥厚型心肌病（Hypertrophic cardiomyopathy）开展病例筛选、特征提取、诊断分类、分割检测、风险评估或预后分析。
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。
