脑肿瘤MRI分类数据集
数据划分为训练集5,712张（81.3%）和测试集1,311张（18.7%），各类别在训练集与测试集中均有明确分布。该数据集面向基于深度学习的医学图像分析，可用于训练CNN、Vision Transformer及多智能体分类流程，以支持高精度的脑肿瘤识别与分类研究（来源 DOI 解析）
基本信息
资源简介
脑肿瘤MRI分类数据集
Brain Tumor MRI 是一个面向脑肿瘤自动分类的医学影像数据集，共包含 7,023 张 MRI 扫描图像，覆盖 Glioma、Meningioma、Pituitary 和 No Tumor 四个类别。该数据集专为基于深度学习的医学图像分析而设计，可用于训练 CNN、Vision Transformer 以及多智能体分类流程，以支持高精度的脑肿瘤识别与分类研究。数据整体划分为训练集 5,712 张（81.3%）和测试集 1,311 张（18.7%），各类别在训练集与测试集中均有明确分布，为模型训练与评估提供了清晰的数据基础。该数据集由 Sinha, Ujjwal 与 Swain, Kaliprasanna 发布，机构为 Mendeley Data，发布时间为 2026 年，来源站为 doi.org。
【数据集背景】
脑肿瘤的准确分类是医学影像分析中的重要任务。该数据集以 MRI 扫描为数据基础，面向自动脑肿瘤分类任务构建，旨在支持基于深度学习的医学图像分析。其设计目标包括训练高精度的分类流程，涵盖 CNN、Vision Transformer 及多智能体分类方法。数据集所属分类为肿瘤 / 脑肿瘤，主题标签包括 Brain、Biomedical Imaging 和 Eye MRI。
【数据内容】
该数据集共包含 7,023 张 MRI 扫描图像，分为四个类别：Glioma、Meningioma、Pituitary 和 No Tumor。整体数据划分为训练集 5,712 张（81.3%）和测试集 1,311 张（18.7%）。在训练集中，Glioma 为 1,321 张（23.1%），Meningioma 为 1,339 张（23.4%），No Tumor 为 1,595 张（27.9%），Pituitary 为 1,457 张（25.5%）。在测试集中，Glioma 为 300 张（22.9%），Meningioma 为 306 张（23.3%），No Tumor 为 405 张（30.9%），Pituitary 为 300 张（22.9%）。从整体分布看，Glioma 为 1,621 张（23.1%），Meningioma 为 1,645 张（23.4%），No Tumor 为 2,000 张（28.5%），Pituitary 为 1,757 张（25.0%）。
【采集与来源】
该数据集来源站为 doi.org，机构为 Mendeley Data，作者为 Sinha, Ujjwal 与 Swain, Kaliprasanna，发布时间为 2026 年。源站将其描述为 Brain Tumor MRI Classification Dataset — 4-Class Medical Imaging Dataset。关于具体的采集设备、采集地点、采集时间跨度及伦理审批等信息，源站未提供。
【适用场景】
该数据集适用于基于深度学习的医学图像分析，尤其是脑肿瘤的自动分类任务。其四类别结构可用于训练和评估 CNN、Vision Transformer 以及多智能体分类流程，以支持高精度的脑肿瘤识别与分类研究。主题标签涵盖 Brain、Biomedical Imaging 和 Eye MRI，表明其面向生物医学影像分析领域。
【使用方法】
该数据集已预先划分为训练集 5,712 张（81.3%）和测试集 1,311 张（18.7%），可直接用于模型训练与测试。使用者可依据四个类别（Glioma、Meningioma、Pituitary、No Tumor）进行监督学习，并利用训练集与测试集的类别分布开展分类性能评估。关于具体的数据加载方式、预处理步骤、标注格式或代码示例，源站未提供。
【质量与限制】
该数据集共包含 7,023 张 MRI 扫描图像，训练集与测试集划分明确，各类别在训练集与测试集中均有具体分布。关于图像分辨率、标注质量、类别平衡性评价、数据偏倚或潜在限制等信息，源站未提供。
【引用与许可】
该数据集作者为 Sinha, Ujjwal 与 Swain, Kaliprasanna，机构为 Mendeley Data，发布时间为 2026 年，来源站为 doi.org。关于具体的引用格式、许可协议或使用条款，源站未提供。
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/10.17632/b4jzyz8wss.1
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 155.9 MB。
数据说明
脑肿瘤MRI分类数据集——四类医学影像数据集 1. 概述 一个经过整理的医学影像数据集，包含7,023张MRI扫描图像，用于脑肿瘤自动分类。该数据集支持4个类别：胶质瘤、脑膜瘤、垂体瘤和无肿瘤。它专为基于深度学习的医学图像分析而设计，并用于训练一个高精度的CNN + Vision Transformer + 多智能体分类流程。 2. 数据集统计 图像总数：7,023 训练集：5,712张图像（81.3%） 测试集：1,311张图像（18.7%） 3. 类别分布 训练集：胶质瘤 1,321（23.1%）、脑膜瘤 1,339（23.4%）、无肿瘤 1,595（27.9%）、垂体瘤 1,457（25.5%） 测试集：胶质瘤 300（22.9%）、脑膜瘤 306（23.3%）、无肿瘤 405（30.9%）、垂体瘤 300（22.9%） 总体：胶质瘤 1,621（23.1%）、脑膜瘤 1,645（23.4%）、无肿瘤 2,000（28.5%）、垂体瘤 1,757（25.0%）
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
