CT-ORG腹部CT器官分割数据
CT-ORG 数据集包含与静脉动脉瘤相关的图像资料，可用于图像分割、特征提取、风险建模和公开基准验证，适合疾病数据集检索、临床研究和算法开发。
基本信息
资源简介
CT-ORG腹部CT器官分割数据
【一句话概览】
该数据集为多器官分割CT体积数据，共140名受试者，文件合计16.9 GB。数据分为测试集21例CT扫描，训练集为其余119例。训练集肺与骨骼经形态学图像处理自动分割，测试集肺与骨骼手动分割；其他器官在训练与测试集中均手动分割。手动分割使用ITK-SNAP，先半自动活动轮廓分割再人工清理。标签为肝癌、转移性疾病，分类包括分割、CT、分类、（来源 TCIA，CC BY 3.0 许可）。
【数据集背景】
本数据集源站标题为《CT volumes with multiple organ segmentations》。源站首次发布：2020/01/09。
【数据内容】
源站原始描述：The data are divided into a testing set of 21 CT scans, and a training set of the remaining 119. For the training set, the lungs and bones were automatically segmented by morphological image processing. For the testing set, the lungs and bones were segmented manually. All other organs were segmented manually in both the training and testing sets. Manual segmentations were done with ITK-SNAP ( ), starting with semi-automatic active contour segmentation followed by manual clean-up. The source code…
中文译文（机器翻译，仅供快速理解，请以原文为准）：数据被分为包含21次CT扫描的测试集，以及由其余119次CT扫描组成的训练集。对于训练集，肺和骨骼通过形态学图像处理自动分割。对于测试集，肺和骨骼为手动分割。所有其他器官在训练集和测试集中均为手动分割。手动分割使用ITK-SNAP（ https://www.itksnap.org ）完成，先进行半自动活动轮廓分割，随后进行手动清理。形态学算法的源代码可在以下网址获取：- https://github.com/bbrister/ctOrganSegmentation.git
【数据结构与技术规格】
数据集 DOI：10.7937/tcia.2019.tt7f4v7o。
【主题与分类】
源站学科分类：Segmentation、CT、Classification、Other。主题标签：Liver Cancer、Metastatic disease。
【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://www.cancerimagingarchive.net/collection/ct-org/
使用许可：CC BY 3.0（https://creativecommons.org/licenses/by/3.0/）。
规范引用：Rister, B., Shivakumar, K., Nobashi, T., & Rubin, D. L. (2019). CT-ORG: A Dataset of CT Volumes With Multiple Organ Segmentations (Version 1) [dataset] . The Cancer Imaging Archive. DOI: 10.7937/tcia.2019.tt7f4v7o
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（TCIA 标准方式）
方式一：NBIA 搜索
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager 批量下载 DICOM。
方式二：NBIA API（程序化）
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据说明
腹部CT器官分割数据，可用于静脉动脉瘤相关腹部静脉和邻近结构预训练。
数据加载示例（DICOM 影像）
import pydicom, glob, os
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality)
img = d.pixel_array
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。
