脑肿瘤分类 MRI 数据集（Glioma、Meningioma、Pituitary 与无肿瘤）

数据集获取

源站：https://doi.org/10.17632/gt5t2dycvp.1

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 93.1 MB。

数据说明

本数据集旨在开发和评估用于从MRI扫描中自动检测和分类脑肿瘤的机器学习与深度学习模型。其结构设计支持多类分类任务，可区分三种常见的脑肿瘤类型与健康（无肿瘤）扫描。数据集分为两个主要子集：Train和Test，便于标准化模型训练和性能基准测试。数据集结构数据采用分层文件夹结构组织：- Train/：包含用于模型训练和验证的图像。- Test/：包含用于最终模型评估的独立图像。这些文件夹各包含四个代表目标类别的子目录：- glioma_tumor：显示胶质细胞瘤的图像。- meningioma_tumor：显示起源于脑膜的肿瘤的图像。- no_tumor：健康大脑或无肿瘤病例的MRI扫描。- pituitary_tumor：显示垂体肿瘤的图像。潜在应用- 训练卷积神经网络（CNN）。- 对迁移学习模型（如ResNet、VGG、EfficientNet）进行基准测试。

• 开发医学影像诊断工具。
• 医学影像数据增强研究。

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。