BraTS 2017

BraTS 2017数据集包含285例脑肿瘤患者的MRI影像数据,涵盖T1、T1ce、T2和Flair四种模态的医学图像,并提供了详细的水肿、增强肿瘤及坏死核心区域的分割标注掩码,主要用于脑肿瘤的自动分割、影像诊断辅助以及医学图像处理算法的研究、训练与评估。

OpenDataLabOpenDataLab
OpenDataLab
2026-06-14 更新
浏览 57
核磁共振成像脑肿瘤分割BraTS_2017MRIT1T1ceT2FlairEDETNET/NCRWT
BraTS 2017

基本信息

创建/更新时间
2026-06-14

资源简介

BraTS 2017

【一句话概览】

BraTS 2017 数据集包含 285 次脑肿瘤 MRI 扫描,每次扫描有 T1、T1ce、T2 和 Flair 四种 MRI 模式,并提供脑肿瘤完整掩码,标签包括 ED、ET、NET/NCR。分割评估基于 WT、TC 和 ET 三个任务(来源 opendatalab.org.cn)。

【数据内容】

源站原始描述:BRATS2017 数据集。它包含 285 次脑肿瘤 MRI 扫描,每次扫描有四种 MRI 模式,即 T1、T1ce、T2 和 Flair。该数据集还提供脑肿瘤的完整掩码,带有 ED、ET、NET/NCR 的标签。分割评估基于三个任务:WT、TC 和 ET 分割。

中文译文(机器翻译,仅供快速理解,请以原文为准):BRATS2017 数据集。它包含 285 次脑肿瘤 MRI 扫描,每次扫描有四种 MRI 模式,即 T1、T1ce、T2 和 Flair。该数据集还提供脑肿瘤的完整掩码,带有 ED、ET、NET/NCR 的标签。分割评估基于三个任务:WT、TC 和 ET 分割。

【主题与分类】

主题标签:核磁共振成像、脑肿瘤分割、BraTS_2017、MRI、T1、T1ce、T2、Flair、ED、ET。

【获取与许可】

源站页面:https://opendatalab.org.cn/OpenDataLab/BraTS_2017

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_2017

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 2017是一个公开的脑肿瘤MRI影像数据集,包含285次脑肿瘤患者的MRI扫描,每次扫描提供T1、T1ce、T2和Flair四种模态的影像数据。该数据集还提供了完整的脑肿瘤分割掩码,标注了水肿区域(ED)、增强肿瘤区域(ET)以及坏死/非增强肿瘤核心区域(NET/NCR)。其分割评估主要围绕三个任务展开:全肿瘤区域分割(WT)、肿瘤核心区域分割(TC)和增强肿瘤区域分割(ET)。数据来源于多中心采集的临床MRI扫描,经过专业标注和标准化处理,主要用于脑肿瘤的自动分割、诊断辅助、影像分析以及相关医学图像处理算法的研究与评估。

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