用于联邦学习的脑肿瘤MRI图像数据集

数据集获取

源站：https://doi.org/10.17632/x69nzw9zzw

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 250.6 MB。

数据说明

该数据集包含10,417张去标识化的单通道（灰度）脑部MRI切片。它旨在支持机器学习和计算机视觉研究，用于稳健的四类脑肿瘤分类，尤其有助于隐私保护联邦学习和可解释人工智能（XAI）框架的创新。数据集组成：该数据集根据病理学分为四个不同的、具有临床意义的类别。⦁胶质瘤（2,547张图像）：显示胶质瘤的MRI切片。⦁脑膜瘤（2,712张图像）：显示脑膜瘤的MRI切片。⦁垂体瘤（2,658张图像）：显示垂体瘤的MRI切片。⦁无肿瘤（2,500张图像）：健康、无肿瘤的脑部MRI切片。预处理：⦁切片被统一调整为224x224像素，并作为单通道灰度图像加载。⦁应用了统一的预处理流程，包括调整大小、可选的居中/零填充以及逐图像归一化，以确保一致性。⦁对于联邦学习模拟，该数据集预先在四个客户端之间进行划分，并进一步按80/10/10（训练/验证/测试）划分，且按患者进行划分以防止数据泄漏。

该数据集可有效用于：⦁多类别图像分类与脑肿瘤识别任务。⦁深度学习模型开发，包括参数高效的CNN、更深的CNN以及混合架构。⦁对同步联邦平均（FedAvg）与隐私保护多站点训练方法进行基准测试。⦁评估定量可解释性（XAI）指标，如Deletion AUC和Grad-CAM++可视化。文件信息：⦁图像总数：10,417⦁图像格式：灰度MRI切片⦁分辨率：224x224像素⦁数据结构：分布于4个不同的客户端分区。

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。