用于跨模态图像合成的配对头部CT-MRI数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.17486320

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。

数据集大小约 40.06 GB。

数据说明

磁共振成像（MRI）引导的放射治疗计划（MRIgRTP）和手术计划（MRIgSP）使患者能够避免计算机断层扫描（CT），从而降低与电离辐射暴露相关的累积健康风险。然而，MRI不提供电子密度信息或骨结构的详细可视化，这给MRIgRTP和MRIgSP带来了重大挑战。从MRI生成合成CT（sCT）已成为解决这些问题的有前景的方案。然而，高质量的合成图像在很大程度上取决于训练数据集的质量和规模，而开放获取的影像数据库中此类数据集有限。在此，我们介绍一个可公开访问的配对头部CT-MRI数据集。该数据集包含来自120名术前神经外科患者的配对薄层CT图像（分别由软核和锐核重建）和MRI图像，这些患者被诊断为垂体瘤、脑膜瘤、前庭神经鞘瘤或脑血管疾病。

通过发布此数据集，我们旨在促进MRI到CT跨模态转换的计算算法的开发与评估，最终实现接受MRI引导放射治疗(MRIgRTP)和MRI引导手术计划(MRIgSP)的脑肿瘤患者能够获得成本效益高、质量高的护理。

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。