脑肿瘤MRI数据集(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Glioma、Meningioma、Pituitary和No Tumor四个类别,按类别存放在子文件夹中,并按80%训练集、20%测试集划分

Mendeley DataMendeley Data
datacite
浏览 18
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(Glioma、Meningioma、Pituitary、No Tumor)

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Glioma、Meningioma、Pituitary和No Tumor四个类别,按类别存放在子文件夹中,并按80%训练集、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:Glioma、Meningioma、Pituitary和No Tumor。数据集按80%训练数据和20%测试数据进行划分。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/5

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.5

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。