脑肿瘤图像数据集：语义分割
该数据集面向 TumorSeg 计算机视觉项目，专注于脑肿瘤医学图像的语义分割任务，将图像像素划分为肿瘤（Class 1）与非肿瘤（Class 0）两类
基本信息
资源简介
脑肿瘤图像数据集：语义分割
Brain Tumor Image DataSet : Semantic Segmentation
该数据集面向 TumorSeg 计算机视觉项目，专注于脑肿瘤医学图像的语义分割任务，将图像像素划分为肿瘤（Class 1）与非肿瘤（Class 0）两类。数据集共包含 20 个文件，提供测试图像样例，适用于训练和评估深度学习模型以精确识别肿瘤区域的空间分布，可应用于医学图像分析、肿瘤检测与分割研究（来源 Kaggle，Attribution 4.0 International (CC BY 4.0) 许可）。
【数据集背景】
源站首次发布：2024-01-19。
【数据内容】
源站描述（机器翻译，仅供参考）：脑肿瘤图像数据集：语义分割 肿瘤分割数据集专为 TumorSeg 计算机视觉项目设计，该项目聚焦于语义分割。项目旨在利用先进技术在医学图像中准确识别肿瘤区域。 ###数据集详情： 项目类型： 语义分割 主题： 肿瘤 类别： - 肿瘤（类别 1） - 非肿瘤（类别 0） 关键信息： - 最后更新：9 个月前 ###项目概述： TumorSeg 计算机视觉项目致力于语义分割，即把图像中的每个像素分类为肿瘤或非肿瘤区域的一部分。这种细粒度方法可准确理解医学图像中肿瘤的空间分布。 ###类别： 该数据集分为两个类别： **类别 0（非肿瘤）： - 像素
【数据结构与技术规格】
文件数 20 个，合计 1.03 MB。
【主题与分类】
主题标签：cancer、computer vision、deep learning、object detection、image segmentation。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/pkdarabi/brain-tumor-image-dataset-semantic-segmentation
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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://kaggle.com/datasets/pkdarabi/brain-tumor-image-dataset-semantic-segmentation
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:
数据集大小约 90.3 MB。
数据说明
Parisa Karimi Darabi (2024). Brain Tumor Image DataSet : Semantic Segmentation [Dataset]. https://www.kaggle.com/datasets/pkdarabi/brain-tumor-image-dataset-semantic-segmentation
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
