TOM500
TOM500数据集是一个包含500例甲状腺眼病患者轨道MRI图像的多模态医学影像数据集，提供冠状T2加权DRIVE序列的磁共振图像、九个眼周结构的分割标签及临床元数据，主要用于甲状腺眼病的影像分析、眶部多器官自动分割算法开发、疾病定量评估以及计算机辅助诊断等研究领域。
基本信息
资源简介
TOM500
【数据集背景】
本数据集源站标题为《Angelou0516/TOM500》。源站首次发布：2026-04-30。
【数据内容】
源站原始描述：# TOM500 — Thyroid eye disease Orbital MRI 500 Public release of the TOM500 dataset: coronal T2-weighted DRIVE orbital MRI of 500 patients with clinically confirmed Thyroid Eye Disease (TED), with multi-organ segmentations of nine periocular structures and bundled clinical metadata. ## Dataset Summary | Field | Details | |-|-| | Modality | T2-weighted DRIVE MRI (coronal, 3.0T Philips Ingenia, 32-ch head coil) | | In-plane resolution | 0.3125 mm | | Slice thickness | 3.5 mm | | Volume shape |…
【数据结构与技术规格】
文件数 990 个，合计 2.54 GB。
【主题与分类】
主题标签：task_categories:image-segmentation、license:cc0-1.0、size_categories:n<1K、format:parquet、format:optimized-parquet、modality:image、modality:text、library:datasets、library:pandas、library:polars。
【获取与许可】
源站页面：https://huggingface.co/datasets/Angelou0516/TOM500
使用许可：cc0-1.0。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("Angelou0516/TOM500")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/Angelou0516/TOM500
仓库文件结构
.gitattributesREADME.md
数据说明
TOM500是一个公开的甲状腺眼病（Thyroid Eye Disease, TED）轨道MRI数据集，包含500名临床确诊TED患者的冠状T2加权DRIVE轨道磁共振图像。该数据集提供了九个眼周结构的多器官分割标签以及相关的临床元数据，图像分辨率为0.3125 mm，切片厚度为3.5 mm，体积形状为512×512×20。数据来源于上海第九人民医院2016年6月至2021年1月的临床队列，标注由三名初级放射科医生完成，并经过STAPLE共识算法和高级专家审查与修正。数据集分为训练集（400例）和验证集（100例），总大小约2.4 GB，采用CC0 1.0许可证发布。主要应用于甲状腺眼病的影像分析、眶部多器官自动分割、疾病定量评估及计算机辅助诊断等研究方向。
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。
