可解释混合Swin-Unet可信多类脑肿瘤分类：精选MRI数据集、代码与支持材料
数据由多个公开MRI数据集整合而成，用于评估基于Hybrid Swin-Unet架构的可解释深度学习框架。配套材料包括预处理资源、实现代码、图形材料、工作流程图及支持图，服务于模型开发、基于Grad-CAM的可解释性分析和置信可靠性评估（来源 DOI 解
基本信息
资源简介
可解释混合Swin-Unet可信多类脑肿瘤分类：精选MRI数据集、代码与支持材料
Explainable Hybrid Swin-Unet for Trustworthy Multi-Class Brain Tumor Classification: Curated MRI Dataset, Code, and Supporting Materials
该数据集记录包含精选的脑部MRI数据集、实现代码及配套研究材料，对应研究为“Explainable Hybrid Swin-Unet for Trustworthy Multi-Class Brain Tumor Classification”。数据经重新组织为四类，共10,456张图像，涵盖Healthy（No Tumor）、Glioma、Meningioma和Pituitary。数据由多个公开MRI数据集整合而成，用于评估基于Hybrid Swin-Unet架构的可解释深度学习框架。配套材料包括预处理资源、实现代码、图形材料、工作流程图及支持图，服务于模型开发、基于Grad-CAM的可解释性分析和置信可靠性评估（来源 DOI 解。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集记录包含与题为“Explainable Hybrid Swin-Unet for Trustworthy Multi-Class Brain Tumor Classification”的研究相关的精选脑部MRI数据集、实现代码和支持性研究材料。该资源包括一个重新组织的四类脑部MRI数据集，包含10,456张图像，分为Healthy（No Tumor）、Glioma、Meningioma和Pituitary类别。该数据集通过整合来自多个存储库的公开可用MRI数据集进行精选，并为评估基于Hybrid Swin-Unet架构的可解释深度学习框架而准备。所包含的材料含有精选数据集、预处理资源、实现代码、图形材料、工作流程图以及用于模型开发、基于Grad-CAM的可解释性分析和置信可靠性评估的支持图。原始MRI d
【主题与分类】
主题标签：Brain Tumor Classification、Medical Image Analysis、Magnetic Resonance Imaging、MRI、Deep Learning、Swin Transformer、U-Net、Explainable Artificial Intelligence、Grad-CAM、Medical Imaging。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.22736644
使用许可：Creative Commons Attribution 4.0 International。
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/10.5281/zenodo.22736644
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 264.5 MB。
数据说明
本数据集记录包含与题为“Explainable Hybrid Swin-Unet for Trustworthy Multi-Class Brain Tumor Classification”的研究相关的整理后脑部MRI数据集、实现代码及支持性研究材料。该资源包括一个重新组织的四类脑部MRI数据集，包含10,456张图像，分为健康（无肿瘤）、胶质瘤、脑膜瘤和垂体四类。该数据集通过整合来自多个存储库的公开可用MRI数据集整理而成，用于评估基于Hybrid Swin-Unet架构的可解释深度学习框架。所包含的材料有整理后的数据集、预处理资源、实现代码、图形材料、工作流程图以及用于模型开发、基于Grad-CAM的可解释性分析和置信可靠性评估的支持性图表。原始MRI数据集来自公开可用来源，相关研究文章中提供了适当的参考文献。本档案旨在支持可解释AI医学图像分析领域的可重复性和进一步研究。
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。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
