BDNeuro-MRI：孟加拉临床脑肿瘤MRI四分类数据集
图像来自孟加拉Epic & CSCR Hospital，经严格清洗流程重建：去除完全重复与近似重复图像，并按分层70%训练/15%验证/15%测试划分，各类别在三份中比例一致
基本信息
资源简介
BDNeuro-MRI：孟加拉临床脑肿瘤MRI四分类数据集
BDNeuro-MRI: A Bangladeshi Clinical Brain Tumor MRI Dataset for Four-Class Deep Learning Classification
该数据集包含5,941张经预处理、无泄漏的T1加权对比增强MRI脑图像，分为Glioma、Meningioma、Pituitary和No Tumor四类。图像来自孟加拉Epic & CSCR Hospital，经严格清洗流程重建：去除完全重复与近似重复图像，并按分层70%训练/15%验证/15%测试划分，各类别在三份中比例一致。程序化完整性检查确认训练、验证、测试集之间零图像重叠，可减少脑肿瘤MRI基准结果虚高问题。图像按类别和划分存放于子文件夹，适用于脑肿瘤分类、检测等机器学习和深度学习研究（来源 Mendeley Data）。
【数据集背景】
源站首次发布：2026-09-08。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含5,941张经预处理、无泄漏的T1加权对比增强MRI脑图像，分为四类：Glioma、Meningioma、Pituitary和No Tumor。图像来自孟加拉Epic & CSCR Hospital，并通过严格的清洗流程从该数据集的早期版本重建：先去除完全重复与近似重复图像，随后按分层70%训练/15%验证/15%测试进行划分，每个类别在三份中均保持相同比例。程序化完整性检查确认训练集、验证集和测试集之间零图像重叠——消除了脑肿瘤MRI数据集中基准结果虚高的常见来源。图像按类别和划分组织到子文件夹中。该数据集适用于脑肿瘤分类、肿瘤检测以及
【数据结构与技术规格】
文件数 2 个，合计 112.43 MB。数据集 DOI：10.17632/zwr4ntf94j.8。
【主题与分类】
主题标签：脑肿瘤、MRI、四分类、深度学习、Glioma、Meningioma、Pituitary、无肿瘤。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/zwr4ntf94j
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://data.mendeley.com/datasets/zwr4ntf94j/7
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 112.4 MB。
数据说明
MD IRFANUL KABIR HIRA (2026). BDNeuro-MRI: A Bangladeshi Clinical Brain Tumor MRI Dataset for Four-Class Deep Learning Classification [Dataset]. http://doi.org/10.17632/zwr4ntf94j.7
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。
