CSI 2014脊柱与椎骨分割数据集

分割是许多计算脊柱成像任务的重要步骤。临床数据集给自动方法带来了许多困难,而地面真相通常很少。为了促进和促进有关该主题的研究,我们提供了一个10个脊柱ct扫描的数据库,以及对胸椎和腰椎的手动分割。该数据集可用于脊柱分割…

OpenDataLabOpenDataLab
OpenDataLab
2026-07-12 更新
浏览 20
医学影像智慧医疗脊柱CT分割胸椎腰椎
CSI 2014 Spine and Vertebrae Segmentation

基本信息

模态
医学影像
创建/更新时间
2026-07-12

资源简介

CSI 2014脊柱与椎骨分割数据集

【一句话概览】

该数据集名为 CSI 2014 Spine and Vertebrae Segmentation,包含 10 个脊柱 CT 扫描,并提供胸椎和腰椎的手动分割。分割是许多计算脊柱成像任务的重要步骤,临床数据集给自动方法带来许多困难,而地面真相通常很少。该数据集可用于脊柱分割算法的开发、训练和测试,旨在促进相关研究。挑战的评估阶段将提供更多数据集(来源 opendatalab.org.cn)。

【数据集背景】

本数据集源站标题为《CSI 2014 Spine and Vertebrae Segmentation》。

【数据内容】

源站原始描述:分割是许多计算脊柱成像任务的重要步骤。临床数据集给自动方法带来了许多困难,而地面真相通常很少。为了促进和促进有关该主题的研究,我们提供了一个10个脊柱ct扫描的数据库,以及对胸椎和腰椎的手动分割。该数据集可用于脊柱分割算法的开发,训练和测试。将为挑战的评估阶段提供更多数据集。

中文译文(机器翻译,仅供快速理解,请以原文为准):分割是许多计算脊柱成像任务中的重要步骤。临床数据集给自动方法带来了诸多困难,而真实标注通常很少。为了促进和推动该主题的研究,我们提供了一个包含10个脊柱CT扫描的数据库,以及胸椎和腰椎的手动分割结果。该数据集可用于脊柱分割算法的开发、训练和测试。评估阶段将提供更多数据集用于挑战赛。

【主题与分类】

主题标签:智慧医疗、脊柱、CT、分割、胸椎、腰椎。

【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://opendatalab.org.cn/OpenDataLab/CSI_2014_Spine_and_Vertebrae_Segmentation

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。

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://opendatalab.org.cn/OpenDataLab/CSI_2014_Spine_and_Vertebrae_Segmentation

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

该数据集包含10个脊柱CT扫描及其对应的胸椎和腰椎手动分割结果,用于脊柱分割算法的开发、训练和测试。

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