BDNeuro-MRI：孟加拉国临床脑肿瘤MRI四分类深度学习数据集

数据集获取

源站：https://doi.org/10.17632/zwr4ntf94j.8

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 112.4 MB。

数据说明

该数据集包含5,941张经过预处理、无泄漏的T1加权对比增强MRI脑部图像，分为四类：胶质瘤、脑膜瘤、垂体瘤和无肿瘤。图像来源于孟加拉国Epic & CSCR医院，并通过严格的清洗流程从该数据集的早期版本重建而成：先移除完全重复和近似重复的图像，然后按70%训练/15%验证/15%测试进行分层划分，且每个类别在三个子集中均保持相同比例。程序化完整性检查确认训练集、验证集和测试集之间零图像重叠——消除了脑肿瘤MRI数据集中基准结果虚高的一个常见来源。图像按类别和划分组织到子文件夹中。该数据集适用于脑肿瘤分类、肿瘤检测和计算机辅助诊断的机器学习和深度学习研究。

🧪 应用： --------------------- - 脑肿瘤分类 - 深度学习（CNN、ViT、迁移学习） - 计算机辅助诊断（CAD） - 放射学研究与教学 - 数据集完整性/泄漏检测方法的基准测试 完整的预处理、去重、划分和泄漏验证流程——以及一个7模型基线基准（CNN、ViT、混合CNN–ViT、ResNet50和DenseNet121，从零开始/冻结/微调）——已公开可用，并可在GitHub上完全复现： 🔗 代码：https://github.com/irfanulkabirhira/A-Bangladeshi-Clinical-Brain-Tumor-MRI-Dataset-for-Four-Class-Deep-Learning-Classification

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。