扩展脑肿瘤分割(BraTS)数据以纳入非洲人群

BraTS-Africa 数据集包含来自非洲的经整理和标注的数据集。它包括 95 名诊断为胶质瘤的患者和 51 名诊断为其他脑肿瘤的患者的扫描

The Cancer Imaging ArchiveThe Cancer Imaging Archive
datacite
浏览 12
医学影像图像分割脑肿瘤BraTS-Africa胶质瘤mpMRI图像分割非洲人群
Expanding the Brain Tumor Segmentation (BraTS) data to include African Populations

基本信息

模态
医学影像
任务类型
图像分割
许可
Creative Commons Attribution 4.0 International
创建/更新时间
2026-10-18
版本
1

资源简介

扩展脑肿瘤分割(BraTS)数据以纳入非洲人群

BraTS-Africa 数据集包含来自非洲的经整理和标注的数据集。它包括 95 名诊断为胶质瘤的患者和 51 名诊断为其他脑肿瘤的患者的扫描

Expanding the Brain Tumor Segmentation (BraTS) data to include African Populations

【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):BraTS-Africa 数据集包含来自非洲的经整理和标注的数据集。它包括 95 名诊断为胶质瘤的患者和 51 名诊断为其他脑肿瘤的患者的扫描。该数据集是回顾性术前扫描的集合,采集自尼日利亚的六个诊断中心。脑部扫描为多参数 MR 图像(mpMRI),具体为 T1、T1 CE、T2 和 T2 FLAIR,于 2010 年 1 月至 2022 年 12 月期间在 1.5T MRI 上采集。MRI 数据按照脑肿瘤分割(BraTS)图像处理协议进行预处理。每个 146 病例的专家标注肿瘤亚区均与元数据(csv 文件)一起提供,元数据包含研究地点、扫描仪类型(如有)。

【主题与分类】

主题标签:脑肿瘤、BraTS-Africa、胶质瘤、mpMRI、图像分割、非洲人群。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://www.cancerimagingarchive.net/collection/BraTS-Africa

使用许可:Creative Commons Attribution 4.0 International。

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。

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/v8h6-8x67

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-Africa数据集包含来自非洲的一个经过整理和标注的数据集。它包括95名被诊断为胶质瘤的患者和51名被诊断为其他脑部肿瘤的患者的扫描图像。该数据集收集了来自尼日利亚六个诊断中心的回顾性术前扫描。脑部扫描为多参数MR图像(mpMRI),具体为T1、T1 CE、T2和T2 FLAIR,于2010年1月至2022年12月期间在1.5T MRI上采集。MRI数据按照脑肿瘤分割(BraTS)图像处理方案进行了预处理。提供了全部146例病例的专家标注肿瘤亚区,以及包含研究地点、扫描仪类型(如有)的元数据(csv文件)。

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