Grand Challenge：甲状腺结节分割与分类
TN-SCUI2020挑战赛的主要主题是寻找能够准确分类超声图像中甲状腺结节的自动算法。它将提供最大的甲状腺结节公开数据集，包含超过4500个患者病例，来自不同年龄、性别，并使用不同的超声机器采集
基本信息
资源简介
Grand Challenge：甲状腺结节分割与分类
TN-SCUI2020挑战赛聚焦于甲状腺结节超声图像的自动分类问题，旨在推动能够准确区分良恶性结节的算法研究。该数据集是目前规模最大的甲状腺结节公开数据集之一，涵盖超过4500个患者病例，病例在年龄、性别上具有多样性，且图像由不同超声设备采集。每张超声图像均配有良恶性类别标注以及结节的详细轮廓勾画。该挑战赛为来自学术界、工业界及政府机构等不同背景的参与者提供了公平比较算法性能的机会，属于内分泌、营养和代谢疾病领域的相关资源。
【数据集背景】
甲状腺结节的超声诊断在临床中具有重要意义，而人工判读存在主观性和经验依赖。TN-SCUI2020挑战赛的核心主题是寻找能够自动、准确分类超声图像中甲状腺结节的算法。该挑战赛的设立目标在于汇聚不同背景的研究者与开发者，在统一、公正的条件下比较各自算法的性能，从而推动该领域自动分类技术的进步。该数据集作为挑战赛的配套资源，定位于为相关研究提供大规模、带标注的公开数据基础。
【数据内容】
该数据集包含超过4500个患者病例的甲状腺结节超声图像。每张超声图像均提供两项关键标注信息：其一是结节的真实类别，即良性或恶性；其二是结节的详细轮廓勾画，用于精确描述结节的位置与边界。病例覆盖不同年龄和性别的患者群体，图像来源不限于单一设备。数据集英文名称为Grand Challenge: Thyroid Nodule Segmentation and Classification，在本站分类中归属于内分泌、营养和代谢疾病下的其他类别。
【采集与来源】
该数据集来源于TN-SCUI2020挑战赛，来源站为tn-scui2020.grand-challenge.org。图像采集使用了不同的超声机器，病例来自不同年龄和性别的患者。源站描述将其称为最大的甲状腺结节公开数据集，包含超过4500个患者病例。除上述信息外，关于采集时间、采集机构、设备型号、标注人员资质等具体细节，源站未提供。
【适用场景】
该数据集适用于甲状腺结节超声图像的自动分类任务，即区分结节为良性或恶性。同时，由于每张图像提供了结节的详细轮廓勾画，该数据集也可用于结节分割相关的研究与算法评估。其大规模、多年龄、多性别、多设备来源的特点，使其适合用于检验算法在不同人群和设备条件下的泛化能力。此外，该挑战赛的设定为不同背景的参与者提供了公平比较算法的平台，因此该数据集也适用于算法性能的基准测试与横向对比。
【使用方法】
该数据集以挑战赛形式发布，参与者可基于提供的超声图像、良恶性类别标注以及结节轮廓勾画来开发自动分类算法。每张图像的真实类别和详细轮廓可作为训练与评估的参考标准。挑战赛鼓励来自学术界、工业界、政府等不同背景的参与者提交算法并进行公正比较。关于具体的数据划分方式、提交格式、评估指标、竞赛流程等操作细节，源站未提供。
【质量与限制】
该数据集规模较大，包含超过4500个患者病例，且病例在年龄、性别上具有多样性，图像采集自不同超声机器，这些特点有助于提升算法评估的多样性。每张图像均配有良恶性类别和详细结节轮廓，标注信息较为完整。然而，关于数据的具体质量指标、标注一致性、类别分布、图像分辨率、是否存在噪声或缺失等细节，源站未提供。此外，该数据集仅提供良恶性分类和结节轮廓，未提及其他临床信息或病理分型。
【引用与许可】
该数据集来自TN-SCUI2020挑战赛，来源站为tn-scui2020.grand-challenge.org。关于数据集的引用格式、许可协议、使用条款、商业使用限制等具体信息，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://tn-scui2020.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
本次TN-SCUI2020挑战赛的主要议题是寻找能够准确分类超声图像中甲状腺结节的自动算法。该赛事将提供迄今最大的甲状腺结节公共数据集，涵盖超过4500例来自不同年龄、性别，且使用不同超声设备采集的患者案例。每张超声图像均附有其真实类别（良性或恶性）及结节的详细描绘。此挑战为来自不同背景（如学术界、产业界及政府机构等）的参赛者提供了一个独特的机会，以便公正地比较各自的算法。
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。
