脑肿瘤MRI数据集(胶质瘤、脑膜瘤、垂体瘤、无肿瘤)-97606

该数据集包含12,064张经过预处理的T1加权对比增强MRI脑部图像,分为胶质瘤、脑膜瘤、垂体瘤和无肿瘤四个类别,按类别存放在子文件夹中,并按80%训练集和20%测试集划分

Mendeley DataMendeley Data
datacite
浏览 3
医学影像分类Computer ScienceRadiologyHealth SciencesArtificial IntelligenceComputer VisionMedical ImagingMagnetic Resonance ImagingTumorMachine LearningMeningiomaBrain TumorGlioma
Brain Tumor MRI Dataset (Glioma, Meningioma, Pituitary, No Tumor)

基本信息

模态
医学影像
大小
0.112426778 GB
任务类型
分类
创建/更新时间
2026-10-09

资源简介

脑肿瘤MRI数据集(胶质瘤、脑膜瘤、垂体瘤、无肿瘤)

Brain Tumor MRI Dataset (Glioma, Meningioma, Pituitary, No Tumor)

该数据集包含12,064张经过预处理的T1加权对比增强MRI脑部图像,分为胶质瘤、脑膜瘤、垂体瘤和无肿瘤四个类别,按类别存放在子文件夹中,并按80%训练集和20%测试集划分。数据适用于机器学习和深度学习研究,可用于脑肿瘤分类、肿瘤检测以及计算机辅助诊断等任务(来源 DOI 解析)。

【数据集背景】

源站首次发布:2025。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含12,064张经过预处理的T1加权对比增强MRI脑部图像,分为四个类别:胶质瘤、脑膜瘤、垂体瘤和无肿瘤。数据集按80%训练数据和20%测试数据划分。图像按类别组织在子文件夹中。它适用于脑肿瘤分类、肿瘤检测和计算机辅助诊断中的机器学习和深度学习研究。

【主题与分类】

主题标签:Computer Science、Radiology、Health Sciences、Artificial Intelligence、Computer Vision、Medical Imaging、Magnetic Resonance Imaging、Tumor、Machine Learning、Meningioma。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/zwr4ntf94j/2

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://doi.org/10.17632/zwr4ntf94j.2

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 112.4 MB。

数据说明

该数据集包含12,064张预处理过的T1加权对比增强MRI脑部图像,分为四类:胶质瘤、脑膜瘤、垂体瘤和无肿瘤。数据集按80%训练数据和20%测试数据划分。图像按类别组织在子文件夹中。此数据集适用于脑肿瘤分类、肿瘤检测和计算机辅助诊断的机器学习与深度学习研究。

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。

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。