基于自扩展卷积神经网络的MRI脑肿瘤检测动态架构自适应
研究采用卷积神经网络，并结合数据增强、模型优化与严格性能评估，同时引入 Self-Expanding Convolutional Neural Networks（SECNNs），在训练中动态调整模型复杂度，以兼顾性能与计算效率
基本信息
资源简介
基于自扩展卷积神经网络的MRI脑肿瘤检测动态架构自适应
Dynamic Architecture Adaptation for MRI Brain Tumor Detection using Self-Expanding Convolutional Neural Networks
该数据集来自 Harvard Dataverse，包含用于 MRI 脑肿瘤检测的图像，分为 glioma、meningioma、no tumor 和 pituitary tumor 四个类别。研究采用卷积神经网络，并结合数据增强、模型优化与严格性能评估，同时引入 Self-Expanding Convolutional Neural Networks（SECNNs），在训练中动态调整模型复杂度，以兼顾性能与计算效率。该数据可用于多类脑肿瘤分类任务，源站报告测试准确率为 93.98%（来源 DOI 解析）。
【数据集背景】
源站首次发布：2024。
【数据内容】
源站描述（机器翻译，仅供参考）：本文提出了一种使用卷积神经网络（CNNs）检测 MRI 脑肿瘤图像的先进方法。该研究侧重于采用数据增强、模型优化和严格的性能评估指标等复杂技术，以在多类分类任务中实现高准确率。此外，我们整合了自扩展卷积神经网络（SECNNs）的概念，其在训练过程中动态调整模型复杂度。这种方法在保持计算效率的同时确保了最佳性能。本研究使用的数据集包含分为四个不同类别的 MRI 图像：glioma、meningioma、no tumor 和 pituitary tumor。我们的方法展示了 93.98% 的显著测试准确率。
【主题与分类】
主题标签：Computer and Information Science、Engineering、Medicine, Health and Life Sciences、Computer vision。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/5V4J3X
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/10.7910/dvn/5v4j3x
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 4.9 MB。
数据说明
本文提出了一种利用卷积神经网络（CNNs）检测MRI脑肿瘤图像的先进方法。本研究侧重于采用数据增强、模型优化和严格的性能评估指标等精细技术，以在多类分类任务中实现高准确率。此外，我们融入了自扩展卷积神经网络（SECNNs）的概念，该网络在训练过程中动态调整模型复杂度。这种方法在保持计算效率的同时确保了最优性能。本研究使用的数据集包含分为四个不同类别的MRI图像：胶质瘤、脑膜瘤、无肿瘤和垂体瘤。我们的方法展示了93.98%的显著测试准确率。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
