脑肿瘤 MRI 分类数据集（肿瘤与无肿瘤）

数据集获取

源站：https://doi.org/10.17632/w56x9jrhxr

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 290.4 MB。

数据说明

作者：Ahta Shamul Hoque Emran, Hafija Akter, Farhan Masud Nayem
指导教师：Abdullah Al Shiam
描述：本数据集是作为一项学术论文的一部分开发的，该论文聚焦于使用深度学习方法进行脑肿瘤检测与分类。数据集包含分为两类的MRI（磁共振成像）脑部扫描图像：肿瘤和无肿瘤。初始数据集存在类别不平衡问题，其中“无肿瘤”图像数量显著多于“肿瘤”类别。为解决这种不平衡并提升模型性能，我们对肿瘤类别应用了数据增强技术。增强后，数据集中两个类别的图像数量几乎均衡：
-肿瘤（原始）：3,671张图像
-无肿瘤：13,273张图像
-肿瘤（增强后）：13,252张图像
用于训练和分析的总数据集包括：
肿瘤：13,252张图像
无肿瘤：13,273张图像
所有图像均以JPG格式存储。本数据集中图像的大小各不相同。
增强细节：我们使用TensorFlow的ImageDataGenerator进行磁盘上增强。应用了以下参数：

• rotation_range=90：将图像随机旋转最多90度。

• rescale=1./255：将像素值归一化到[0, 1]区间。

• fill_mode=‘nearest’：变换后填充缺失的像素。

• 未使用平移、剪切、缩放和翻转等其他变换，以保留医学图像结构。该数据集可用于：

• 训练和测试机器学习及深度学习模型

• 医学图像分类研究

• 开发脑肿瘤早期检测的自动化系统

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。