用于脑肿瘤分类的多特征机器视觉方法脑肿瘤MR图像数据集
源站描述指出，脑部恶性肿瘤致死率高且早期检测困难，医学影像如 CT、PET 和 MRI 是主要的非侵入性诊断手段；相关研究聚焦于从 2D 和 3D 脑 MRI 中检测与分割脑肿瘤，并构建了带 Web 应用界面的全自动系统，准确率和 Dice 分数均超过 90%
基本信息
资源简介
用于脑肿瘤分类的多特征机器视觉方法脑肿瘤MR图像数据集
Datasets.
该数据集来自 plos.figshare.com，主题为脑肿瘤的磁共振成像分析，包含 1 个文件（Table 1.xls），由 Kashfia Sailunaz 等作者于 2023 年 4 月 17 日发布。源站描述指出，脑部恶性肿瘤致死率高且早期检测困难，医学影像如 CT、PET 和 MRI 是主要的非侵入性诊断手段；相关研究聚焦于从 2D 和 3D 脑 MRI 中检测与分割脑肿瘤，并构建了带 Web 应用界面的全自动系统，准确率和 Dice 分数均超过 90%。该数据可用于脑肿瘤检测、分割与分类相关的方法研究与验证（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2023-04-17。
【数据内容】
源站描述（机器翻译，仅供参考）：由恶性脑肿瘤引起的脑癌是最致命的癌症类型之一，生存率低，主要原因是早期检测困难。因此，医学专业人员使用各种侵入性和非侵入性方法在早期阶段检测和治疗脑肿瘤，从而实现早期治疗。脑肿瘤诊断和评估的主要非侵入性方法是脑成像，如计算机断层扫描（CT）、正电子发射断层扫描（PET）和磁共振成像（MRI）扫描。本文重点关注从 2D 和 3D 脑 MRI 中检测和分割脑肿瘤。为此，描述了一个带有 Web 应用用户界面的完整自动化系统，该系统检测和分割脑肿瘤的准确率和 Dice 分数均超过 90%。用户可以上传脑 MRI 或从医院数据库访问脑图像以
【数据结构与技术规格】
文件数 1 个，合计 5.63 KB。数据集 DOI：10.1371/journal.pone.0284418.t001。
【主题与分类】
源站学科分类：Space Science、Cell Biology、Genetics、Neuroscience、Pharmacology、Biotechnology。主题标签：magnetic resonance imaging、fatal cancer types、complete automated system、better future predictions、allow healthcare professionals、upload brain mris、access brain images、3d brain mris、tumor region precisely、treating brain tumors。本站分类：肿瘤/脑肿瘤。
【适用方向】
源站学科分类标注为 Space Science、Cell Biology、Genetics、Neuroscience、Pharmacology、Biotechnology。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Datasets_/22646027
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Sailunaz, Kashfia; Bestepe, Deniz; Alhajj, Sleiman; Özyer, Tansel; Rokne, Jon; Alhajj, Reda (2023). Datasets.. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-21，引用时请注意版本时效。
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（Figshare）
- 源站标题：Datasets.
- DOI：10.1371/journal.pone.0284418.t001
- 发布日期：2023-04-17
- 文件数：1 个
- 文件总体积：5.63 KB
- 源站页面：https://plos.figshare.com/articles/dataset/Datasets_/22646027
命令行下载
curl -L -o "Table 1.xls" "https://ndownloader.figshare.com/files/40198787"
文件清单
Table 1.xls（5.63 KB）
文件总体积 5.63 KB（源站 API 实测）。
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。
数据说明
由恶性脑肿瘤引起的脑癌是最致命的癌症类型之一，其生存率较低，主要原因是难以早期发现。因此，医学专业人员采用各种侵入性和非侵入性方法在早期阶段检测和治疗脑肿瘤，从而实现早期治疗。脑肿瘤诊断和评估的主要非侵入性方法是脑成像，如计算机断层扫描（CT）、正电子发射断层扫描（PET）和磁共振成像（MRI）扫描。本文的重点是从2D和3D脑MRI中检测和分割脑肿瘤。为此，本文描述了一个具有Web应用程序用户界面的全自动系统，该系统检测和分割脑肿瘤的准确率和Dice分数均超过90%。用户可以上传脑MRI或从医院数据库访问脑图像，以检查脑肿瘤的存在或缺失，从脑MRI特征中检查脑肿瘤的存在，并使用CNN、U-Net和U-Net++等深度神经网络从脑MRI中精确提取肿瘤区域。
该网络应用还提供了一个选项，允许对检测和分割结果输入反馈，以便医疗保健专业人员能够对结果添加更精确的信息，这些信息可用于训练模型，以实现未来更好的预测和分割。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0284418.t001（source: https://plos.figshare.com/articles/dataset/Datasets_/22646027）。
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。
