脑肿瘤MRI图像44类数据集
该数据集为私有收集的脑肿瘤磁共振图像，包含T1、增强T1和T2加权序列，按肿瘤类型分为44类，涵盖星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤等
基本信息
资源简介
脑肿瘤MRI图像44类数据集
Brain Tumor MRI Images 44 Classes
该数据集为私有收集的脑肿瘤磁共振图像，包含T1、增强T1和T2加权序列，按肿瘤类型分为44类，涵盖星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤等。图像已去除标记和患者身份信息，由放射科医生解读，供研究使用。数据可用于脑肿瘤图像分类、深度学习模型训练与计算机视觉研究（来源 Kaggle，Community Data License Agreement - Sharing - Version 1.0 许可）。
【数据集背景】
源站首次发布：2023-02-12。
【数据内容】
源站描述（机器翻译，仅供参考）：私有收集的T1、增强T1和T2磁共振图像，按脑肿瘤类型分开。图像没有任何标记或患者身份信息，由放射科医生解读并提供用于研究目的。图像按星形细胞瘤、癌、室管膜瘤、神经节胶质瘤、生殖细胞瘤、胶质母细胞瘤、肉芽肿、髓母细胞瘤、脑膜瘤、神经细胞瘤、少突胶质细胞瘤、乳头状瘤、神经鞘瘤和结核瘤分开。____________________________________________________________________ 查看我的新数据集：11300张脑肿瘤MRI图像，30类。 ____________________________________________________________________ 在亚马逊上购买或阅读我的书 神经科学笔记 - **神经心理学笔记：行为研究
【数据结构与技术规格】
文件数 20 个，合计 631.03 KB。
【主题与分类】
主题标签：cancer、image、computer vision、deep learning、image classification、medicine。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/fernando2rad/brain-tumor-mri-images-44c
使用许可：Community Data License Agreement - Sharing - Version 1.0。
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。
需登录公开下载
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。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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://kaggle.com/datasets/fernando2rad/brain-tumor-mri-images-44c/discussion
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 198.7 MB。
数据说明
Fernando Feltrin (2023). Brain Tumor MRI Images 44 Classes [Dataset]. https://www.kaggle.com/datasets/fernando2rad/brain-tumor-mri-images-44c/discussion
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
