医学腰椎3D轴位MRI数据集：狭窄检测、严重程度分类与解剖分割
数据覆盖L1–L2至L5–S1共5个腰椎节段，由3D DICOM原始体数据、定位与严重程度分类以及解剖分割三部分组成，支持腰椎管狭窄定位、严重程度分类和逐轴位解剖分割研究（来源 Mendeley Data）
基本信息
资源简介
医学腰椎3D轴位MRI数据集：狭窄检测、严重程度分类与解剖分割
Medical Lumbar Spine 3D Axial MRI Dataset for Stenosis Detection, Severity Classification, and Anatomical Segmentation
该数据集包含来自500名患者的500例匿名轴位腰椎MRI检查，采集自Fırat University Hospital，使用Philips Ingenia、GE Signa HDxt和GE Signa Excite扫描仪的常规T2加权轴位序列。数据覆盖L1–L2至L5–S1共5个腰椎节段，由3D DICOM原始体数据、定位与严重程度分类以及解剖分割三部分组成，支持腰椎管狭窄定位、严重程度分类和逐轴位解剖分割研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-07-14。
【数据内容】
源站描述（机器翻译，仅供参考）：☐ 数据集描述：● Medical Lumbar Spine 3D Axial MRI Dataset 包含来自500名患者的500例匿名轴位腰椎MRI检查，采集于Fırat University Hospital（FUH），属于韩国与土耳其国际联合研究项目的双边协议。MRI扫描使用Philips Ingenia（1.5T/3T）、GE Signa HDxt（1.5T）和GE Signa Excite（1.5T）扫描仪上的常规T2加权轴位序列获得。该数据集支持腰椎管狭窄定位、严重程度分类和逐轴位解剖分割的研究。● 该数据集由三个部分组成：1. 3D DICOM体数据：按患者组织的原始3D轴位MRI体数据，覆盖从L1–L2到L5–S1（5个椎体）的腰椎节段。所有DICOM文件均已匿名化以去除患者身份信息，同时保留必要的影像元数据。2. 定位与严重程度
【数据结构与技术规格】
文件数 1 个，合计 2.87 GB。数据集 DOI：10.17632/wjxkrkxhb8.1。
【主题与分类】
主题标签：腰椎、轴位MRI、椎管狭窄、严重程度分类、解剖分割、肌肉骨骼系统。本站分类：肌肉骨骼系统疾病。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/wjxkrkxhb8
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://data.mendeley.com/datasets/wjxkrkxhb8/1
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:
数据集大小约 2.87 GB。
数据说明
Hyunwook Kwon (2026). Medical Lumbar Spine 3D Axial MRI Dataset for Stenosis Detection, Severity Classification, and Anatomical Segmentation [Dataset]. http://doi.org/10.17632/wjxkrkxhb8.1
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。
