BraTS 2015

BraTS 2015 是一个包含 274 例高、低级别胶质瘤患者多模态磁共振成像(MRI)数据的数据集,数据模态为 T1、T1c、T2 及 T2FLAIR 四种序列的医学图像,并提供了水肿、增强肿瘤等四个肿瘤子区域的分割标注。该数据集主要用于开发和评估脑肿瘤自动分割算法,是医学图像分析、计算机辅助诊断及神经肿瘤学领域的重要研究工具和基准测试集。

OpenDataLabOpenDataLab
OpenDataLab
2026-06-14 更新
浏览 41
核磁共振成像CV语义分割脑肿瘤分割肿瘤分割
BraTS 2015

基本信息

创建/更新时间
2026-06-14

资源简介

BraTS 2015

【一句话概览】

BraTS 2015 是用于脑肿瘤图像分割的数据集,由 220 个高级别胶质瘤(HGG)和 54 个低级别胶质瘤(LGG)MRI 组成,共 274 名受试者。其包含 T1、T1c、T2 和 T2FLAIR 四种 MRI 模式。分段的“基本事实”提供约四个肿瘤内类别,即水肿、增强肿瘤、非增强肿瘤和坏死。该数据集标签涉及核磁共振成像、CV、语义分割、脑肿瘤分割和肿瘤分割(来源 opendatalab.org.cn)。

【数据内容】

源站原始描述:BraTS 2015 数据集是用于脑肿瘤图像分割的数据集。它由 220 个高级别胶质瘤 (HGG) 和 54 个低级别胶质瘤 (LGG) MRI 组成。四种 MRI 模式是 T1、T1c、T2 和 T2FLAIR。分段的“基本事实”提供了大约四个肿瘤内类别,即。水肿、增强肿瘤、非增强肿瘤和坏死。

中文译文(机器翻译,仅供快速理解,请以原文为准):BraTS 2015 数据集是用于脑肿瘤图像分割的数据集。它由 220 个高级别胶质瘤 (HGG) 和 54 个低级别胶质瘤 (LGG) MRI 组成。四种 MRI 模式是 T1、T1c、T2 和 T2FLAIR。分段的“基本事实”提供了大约四个肿瘤内类别,即。水肿、增强肿瘤、非增强肿瘤和坏死。

【主题与分类】

主题标签:核磁共振成像、CV、语义分割、脑肿瘤分割、肿瘤分割。

【获取与许可】

源站页面:https://opendatalab.org.cn/OpenDataLab/BraTS_2015

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://opendatalab.org.cn/OpenDataLab/BraTS_2015

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。

数据说明

BraTS 2015 是一个专门用于脑肿瘤图像分割的公开医学影像数据集。该数据集包含 220 例高级别胶质瘤 (HGG) 和 54 例低级别胶质瘤 (LGG) 的多模态磁共振成像 (MRI) 数据,具体包括 T1、T1c、T2 和 T2FLAIR 四种成像序列。数据集中提供了由专家标注的肿瘤分割“金标准”,涵盖了水肿、增强肿瘤、非增强肿瘤和坏死等四个主要的肿瘤内结构类别。该数据集主要用于开发和评估脑肿瘤自动或半自动分割算法,是医学图像处理、计算机辅助诊断和神经肿瘤学研究领域的重要基准资源。

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。

获取专属数据定制方案