垂体腺瘤多模态MRI数据集

该数据集是一个包含50例垂体腺瘤患者多参数MRI影像及专家标注分割真值的医学影像数据集,数据模态包括T1加权、T2加权、增强扫描等多种MRI序列,并提供了肿瘤、垂体、颈内动脉和视通路等关键解剖结构的手动分割标注,主要用于开发与评估针对鞍区病变的医学图像分割模型,支持神经外科手术规划、放射治疗靶区勾画等临床研究与应用。

OpenNeuro
2025-05-19 更新
浏览 27
医学图像分析垂体腺瘤分割
Open-Access Multimodal Dataset of Pituitary Adenoma

基本信息

大小
6.929582094 GB
许可
CC0
创建/更新时间
2025-05-19

资源简介

垂体腺瘤多模态MRI数据集

【数据集背景】

本数据集源站标题为《Open-Access Multimodal Dataset of Pituitary Adenoma》。

【数据内容】

源站原始描述:被试数: 50 模态: mri # Pituitary Adenoma Multimodal MRI Dataset *With Ground Truth and Benchmark Segmentations* This dataset provides a comprehensive, BIDS-organized collection of **multiparametric MRI scans** and **expert-validated segmentations** from 50 patients with pituitary adenomas. It is designed to support development and evaluation of segmentation models targeting challenging, pathologically altered sellar anatomy. The dataset includes: - Up to 10 MRI sequences per subject - Ground truth an…

【数据结构与技术规格】

数据集 DOI:doi:10.18112/openneuro.ds006248.v1.0.0。

【主题与分类】

主题标签:mri。

【获取与许可】

源站页面:https://openneuro.org/datasets/ds006248

使用许可:CC0。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://openneuro.org/datasets/ds006248

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。

数据说明

该数据集是一个BIDS标准组织的公开多模态MRI数据集,包含50例垂体腺瘤患者的多参数MRI扫描及专家验证的分割标注。数据集提供了每位患者最多10种MRI序列图像,并包含肿瘤、正常垂体、左右颈内动脉和视通路等5个解剖结构的手动分割真值。此外,数据集还集成了5种分割模型的预测结果及完整的基准测试指标,旨在支持针对病理性鞍区解剖结构的医学图像分割模型的开发与评估。该数据集主要应用于神经外科手术规划、放射外科靶区勾画、肿瘤体积进展监测等临床研究方向,为垂体腺瘤的精准诊疗提供数据基础。

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。

获取专属数据定制方案