Brain-DataSet 脑肿瘤 MRI 数据集
这些图像按星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤分开
基本信息
资源简介
Brain-DataSet 脑肿瘤 MRI 数据集
Brain-DataSet 是一个面向脑肿瘤医学影像研究的数据集，按肿瘤类型对脑部磁共振图像进行整理与标注，涵盖星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤等多种类别。该数据集来源于 doi.org，由 IEEE DataPort 机构发布，作者署名为 Anonymous Anonymous，发布时间为 2026 年，采用 Creative Commons Attribution 4.0 International 许可协议。其核心用途是支持医学影像与深度学习领域中的多类别图像分类任务，帮助研究者将脑部 MRI 扫描划分为不同的脑肿瘤类型及正常病例，适用于计算机视觉、深度学习以及医学人工智能相关研究，尤其适合卷积神经网络与迁移学习模型的开发与评估。
【数据集背景】
脑肿瘤的影像学诊断依赖对磁共振图像中不同组织特征的识别与区分。由于脑肿瘤类型多样，且不同类型在影像表现上可能存在重叠，构建一个按肿瘤类型清晰划分的标注数据集，对于训练和评估自动分类模型具有重要意义。Brain-DataSet 正是在这一背景下整理而成，其目标是将脑部 MRI 扫描分类为代表常见脑肿瘤类型以及正常病例的不同类别，从而服务于医学影像分析与深度学习研究。该数据集由 IEEE DataPort 发布，作者署名为 Anonymous Anonymous，发布时间为 2026 年，来源站为 doi.org。
【数据内容】
该数据集包含经过标注的脑部 MRI 扫描图像，图像按肿瘤类型分开存放，具体类别包括：星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤。图像类型涵盖 T1、增强 T1 以及 T2 磁共振图像。所有图像均不含任何类型的标记或患者身份信息，并由放射科医生进行解读，供研究目的使用。该数据集专为医学影像与深度学习中的多类别图像分类任务而设计，其目标是将脑部 MRI 扫描分类为不同的类别，以代表常见的脑肿瘤类型和正常病例。
【采集与来源】
该数据集来源于 doi.org，由 IEEE DataPort 机构发布。根据源站描述，这些图像属于私人收藏的 T1、增强 T1 和 T2 磁共振图像，并按脑肿瘤类型分开整理。图像中不包含任何标记或患者身份信息，且由放射科医生进行解读后提供，用于研究目的。作者署名为 Anonymous Anonymous，发布时间为 2026 年。除上述信息外，源站未提供更详细的采集机构、采集设备、采集时间跨度或伦理审批信息。
【适用场景】
该数据集适用于计算机视觉、深度学习和医学人工智能研究，尤其适合开发和评估卷积神经网络（CNN）以及迁移学习模型。其多类别标注结构使其可用于脑部 MRI 扫描的分类任务，将图像划分为不同的脑肿瘤类型和正常病例。潜在应用包括医学影像分类模型的训练与测试、迁移学习方法的验证，以及脑肿瘤辅助诊断相关的人工智能研究。由于图像已按肿瘤类型分开，研究者可以较为方便地构建多分类实验流程。
【使用方法】
该数据集包含按肿瘤类型分开的 T1、增强 T1 和 T2 磁共振图像，并带有标注，设计用于多类别图像分类任务。研究者可将这些图像用于训练和评估深度学习模型，特别是卷积神经网络和迁移学习模型。由于图像不含标记或患者身份信息，使用时无需额外处理身份信息脱敏问题。源站未提供具体的数据加载方式、目录结构、训练测试划分比例或预处理步骤等细节。
【质量与限制】
该数据集中的图像由放射科医生解读，且不含任何标记或患者身份信息，这有助于保障研究使用的隐私合规性。图像按脑肿瘤类型分开，涵盖多种常见类型，适合多类别分类研究。然而，源站未提供关于图像数量、分辨率、采集设备、类别平衡性、标注一致性或数据划分的详细信息。此外，该数据集为私人收藏来源，其样本代表性、泛化能力以及是否存在类别不平衡等潜在限制，源站未提供进一步说明。使用者在使用时应结合自身研究目的评估其适用性。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议，允许在署名条件下使用。作者署名为 Anonymous Anonymous，机构为 IEEE DataPort，发布时间为 2026 年，来源站为 doi.org。使用该数据集时，应遵循该许可协议的署名要求。源站未提供具体的引用格式、DOI 编号或推荐引用文献。
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/10.21227/0kd5-fq79
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:
数据说明
图像按星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤分类。一个私人收集的T1、增强T1和T2磁共振图像集，按脑肿瘤类型分类。图像无任何标记或患者身份信息，由放射科医生解读并提供用于研究目的。此数据集包含标记的脑部MRI扫描图像，旨在用于医学影像和深度学习中的多类图像分类任务。该数据集的目标是将脑部MRI扫描分类为代表常见脑肿瘤类型和正常病例的不同类别。该数据集适用于计算机视觉、深度学习和医学AI研究，尤其适用于开发和评估CNN及迁移学习模型。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
