低级别胶质瘤MRI分割数据集

包含110例低级别胶质瘤患者MRI及手工FLAIR异常分割掩膜,适用于脑肿瘤分割研究。由Mateusz Buda提供,来自Kaggle,包含医学影像数据,适用于图像分割任务,专注于肿瘤领域的星形细胞瘤研究。

Mateusz BudaMateusz Buda
Kaggle
浏览 30
图像图像分割cancerimagebiologyhealthcaremedicine
LGG MRI Segmentation

基本信息

模态
图像
大小
1.06 GB
数据量
110
任务类型
图像分割
许可
CC BY-NC-SA 4.0
创建/更新时间
2026-09-25
版本
v2

资源简介

低级别胶质瘤MRI分割数据集

【数据集背景】

本数据集源站标题为《Brain MRI segmentation》。源站首次发布:2019-05-02。

【数据内容】

源站原始描述:# LGG Segmentation Dataset Dataset used in: Mateusz Buda, AshirbaniSaha, Maciej A. Mazurowski "Association of genomic subtypes of lower-grade gliomas with shape features automatically extracted by a deep learning algorithm." Computers in Biology and Medicine, 2019. and Maciej A. Mazurowski, Kal Clark, Nicholas M. Czarnek, Parisa Shamsesfandabadi, Katherine B. Peters, Ashirbani Saha "Radiogenomics of lower-grade glioma: algorithmically-assessed tumor shape is associated with tumor genomic subtype…

【数据结构与技术规格】

文件数 20 个,合计 2.62 MB。

【主题与分类】

主题标签:cancer、image、biology、healthcare、medicine。

【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://www.kaggle.com/datasets/mateuszbuda/lgg-mri-segmentation

使用许可:CC BY-NC-SA 4.0。

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

方式一:KaggleHub(Python,推荐 AI Agent 使用)

# 前置依赖: pip install kagglehub
import kagglehub

path = kagglehub.dataset_download("mateuszbuda/lgg-mri-segmentation")
print("数据已下载至:", path)

方式二:Kaggle CLI(命令行)

# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d mateuszbuda/lgg-mri-segmentation
unzip lgg-mri-segmentation.zip -d lgg-mri-segmentation/

数据说明

包含110例低级别胶质瘤患者MRI及手工FLAIR异常分割掩膜,适用于脑肿瘤分割研究。

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