基于MRI与DICOM-RT的伽玛刀放疗后脑肿瘤复发预测开放标注数据集与基线算法
在此我们发布一个脑癌MRI数据集，并附带伽玛刀治疗计划与随访数据，用于肿瘤复发预测。该数据集由47名受试者组成。共收集了244个病灶并带有标注
基本信息
资源简介
基于MRI与DICOM-RT的伽玛刀放疗后脑肿瘤复发预测开放标注数据集与基线算法
在此我们发布一个脑癌MRI数据集，并附带伽玛刀治疗计划与随访数据，用于肿瘤复发预测。该数据集由47名受试者组成。共收集了244个病灶并带有标注
Brain Tumor Recurrence Prediction after Gamma Knife Radiotherapy from MRI and Related DICOM-RT: An Open Annotated Dataset and Baseline Algorithm (Brain-TR-GammaKnife)
【数据集背景】
源站首次发布：2023。
【数据内容】
源站描述（机器翻译，仅供参考）：在此我们发布一个脑癌MRI数据集，并附带伽玛刀治疗计划与随访数据，用于肿瘤复发预测。该数据集由47名受试者组成。共收集了244个病灶并带有标注。数据集包含原始患者MRI图像（DICOM格式）、放射治疗结构数据（DICOM和NRRD格式）、代码以及临床信息。首先，通过线性变换将剂量MRI图像重采样至原始MRI间距。其次，提取并裁剪每位患者MRI中的每个区域；注意，一位患者可能有多个病灶和/或多个成像会话。第三，将相应的放射剂量信息裁剪至重采样对齐后的病灶掩膜。通过这种方式，每个病灶MRI与其放射剂量MRI配对。该数据集的发布预期将有助于开发
【主题与分类】
主题标签：脑肿瘤、肿瘤复发预测、MRI、DICOM-RT、伽玛刀放疗、医学影像、开放标注数据集。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://www.cancerimagingarchive.net/collection/brain-tr-gammaknife/
使用许可：NIH Controlled Data Access Policy。
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://doi.org/10.7937/xb6d-py67
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:
数据说明
我们在此发布一个脑癌MRI数据集，附带伽玛刀治疗计划及随访数据，旨在用于肿瘤复发预测。该数据集包含47名受试者，共收集了244个带有注释的病灶。数据集包括原始患者MRI图像（DICOM格式）、放射治疗结构数据（DICOM和NRRD格式）、代码及临床信息。首先，通过线性变换将剂量MRI图像重采样至原始MRI间距。其次，提取并裁剪出每位患者MRI中的每个区域；需注意，一名患者可能有多个病灶和/或多个成像时段。第三，将相应的放射剂量信息裁剪至重采样对齐后的病灶掩模。如此，每个病灶MRI与其放射剂量MRI配对。此数据集的发布预期将促进自动化脑肿瘤复发预测算法的发展。
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。
