AI辅助恶性脑肿瘤诊断数据集

数据集获取

源站：https://clinicaltrials.gov/study/NCT07198256

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

疾病：胶质瘤、脑转移瘤、成人、淋巴瘤、成人脑肿瘤。本研究主要基于两个中心，即浙江大学医学院附属第二医院和浙江省肿瘤医院。它回顾性收集经组织病理学证实且具有术前多模态MRI图像（主要包括CE-T1WI和T2-FLAIR）的恶性脑肿瘤病例（包括胶质瘤、脑转移瘤和脑淋巴瘤）。预计纳入3000例病例。所有患者的轴位CE-T1WI和T2-FLAIR图像均在3.0T或1.5T磁共振成像系统上获得。计划构建一个针对常见恶性脑肿瘤（胶质瘤、脑转移瘤和脑淋巴瘤）的大规模、多中心MRI图像数据库。为解决脑肿瘤中复杂病变组织的自动分割以及常见恶性脑肿瘤的辅助诊断问题，采用了深度学习技术方法。

提出了一种基于深度学习的多亚型脑肿瘤分割与分类诊断方法，旨在构建常见恶性脑肿瘤的图像人工智能辅助诊断系统，提高常见脑恶性肿瘤辅助诊断的准确性。

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。