用于深度学习检测的多类脑肿瘤 MRI 图像数据集
仓库根目录提供 data.yaml 与 metadata.csv，并包含 model_weights 目录，存放 Detectron2、DETR、Effici 等多种目标检测框架的预训练与微调权重，可用于脑肿瘤目标检测的训练、评估与可复现研究（来源 figshare，CC B
基本信息
资源简介
用于深度学习检测的多类脑肿瘤 MRI 图像数据集
BTumorAtlas: A multi-class brain tumor MRI image dataset for deep learning-based detection
该数据集为面向深度学习脑肿瘤检测的多类 MRI 图像数据集，涵盖 glioma_tumor、meningioma_tumor、pituitary_tumor 与 no_tumor 四个类别。肿瘤相关类别按 train、valid、test 划分，并配有 images 与 labels 目录及局部 data.yaml；no_tumor 仅含 MRI 图像、无标注。仓库根目录提供 data.yaml 与 metadata.csv，并包含 model_weights 目录，存放 Detectron2、DETR、Effici 等多种目标检测框架的预训练与微调权重，可用于脑肿瘤目标检测的训练、评估与可复现研究（来源 figshare，CC B。
【数据集背景】
源站首次发布：2026-06-05。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集仓库的组织方式旨在支持高效的脑肿瘤目标检测训练、评估与可复现性。在根目录层级，仓库包含 data.yaml 配置文件和 metadata.csv，以及四个主要类别目录：glioma_tumor、meningioma_tumor、pituitary_tumor 和 no_tumor。与肿瘤相关的类别文件夹遵循一致的层级结构，由 train、valid 和 test 子集组成，每个子集包含单独的 images 和 labels 目录，并附有用于数据集配置的局部 data.yaml 文件。相比之下，no_tumor 类别仅包含 MRI 图像而没有标注标签，因为不存在肿瘤区域。此外，仓库还包含一个专用的 model_weights 目录，其中存放多个目标检测框架的预训练和微调检查点，包括 Detectron2、DETR、Effici
【数据结构与技术规格】
文件数 1 个，合计 1.62 GB。数据集 DOI：10.6084/m9.figshare.32521389.v2。
【主题与分类】
源站学科分类：Computer vision、Image processing、Pattern recognition、Deep learning、Medical infection agents (incl. prions)。主题标签：Tumor detection、Object detection、CNN、Transformer、MRI video scan、Tumor movement tracking、Medical imaging、Multi-class detection。本站分类：肿瘤/脑肿瘤。
【适用方向】
源站学科分类标注为 Computer vision、Image processing、Pattern recognition、Deep learning、Medical infection agents (incl. prions)。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/A_multi-class_brain_tumor_MRI_image_dataset_for_deep_learning-based_detection/32521389
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Haque, Md. Sadman; Meem, Zannatul Zahan; Safa, Zannathun Noor; Eshita, Sumaiya Zahan; Haque, Sadia; Raihan, Md. Tanvir; et al. (2026). BTumorAtlas: A multi-class brain tumor MRI image dataset for deep learning-based detection. figshare. Dataset
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://doi.org/10.6084/m9.figshare.32521389.v1
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 1.62 GB。
数据说明
数据集仓库的组织结构旨在支持高效的脑肿瘤目标检测训练、评估和可复现性。在根目录下，仓库包含 data.yaml 配置文件和 metadata.csv，以及四个主要类别目录：glioma_tumor、meningioma_tumor、pituitary_tumor 和 no_tumor。与肿瘤相关的类别文件夹遵循一致的层次结构，由 train、valid 和 test 子集组成，每个子集包含单独的 images 和 labels 目录，并附带一个用于数据集配置的本地 data.yaml 文件。相比之下，no_tumor 类别仅包含 MRI 图像，没有标注标签，因为不存在肿瘤区域。此外，仓库还包含一个专用的 model_weights 目录，其中存放多个目标检测框架的预训练和微调检查点，包括 Detectron2、DETR、EfficientDet、RF-DETR、RT-DETR，以及若干基于 YOLO 的变体，如 YOLOv5、YOLOv8、YOLOv11、YOLOR 和 YOLO26，连同其相关的配置、预处理和权重文件。
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。
