GBM-Reservoir: 数据集与分割标注

该数据集是一个包含23,049个样本的胶质母细胞瘤(GBM)脑肿瘤MRI图像集合,数据模态包括FLAIR、T1、T1ce和T2四种MRI序列图像以及对应的分割掩模真值标注,通过对BraTS 2022挑战赛原始数据集进行配准扩增构建而成,主要用于开发和评估基于深度学习的全自动脑肿瘤图像分割算法,支持脑肿瘤影像分析研究。

Ferreira, André; Alves, Victor; Puladi, Behrus; Egger, Jan; Luijten, Gijs; Solak, Naida
Figshare
2025-11-04 更新
脑肿瘤图像分割
创建时间2024-12-18
更新时间2025-11-04
原始链接

https://figshare.com/articles/dataset/GBM-Reservoir_Dataset_and_Segmentations/28001450/20

访问原始数据
官方服务

如需原始数据获取支持或标注服务,请联系我们。

帮我联系

资源简介

GBM-Reservoir是一个脑肿瘤(胶质母细胞瘤)MRI数据集集合,包含23,049个样本。每个样本包含四种不同类型的MRI脑部扫描序列:FLAIR、T1、T1ce和T2,并提供一个或两个分割掩模(真值标注)。第一个掩模是配准过程的原始输出,所有样本均提供;第二个掩模专门为合成样本提供,是第一个掩模的后处理版本,旨在简化解释并优化网络训练。该数据集通过对BraTS 2022挑战赛原始数据集中438个样本进行配准过程构建而成,通过配准每对现有脑部扫描,生成保留相似脑部形状但具有不同肿瘤位置的两个额外扫描,从而将原始n个样本扩展至n²个样本。原始数据来自不同机构,在标准临床条件下采集,但设备和成像协议不同,因此图像质量具有异质性,反映了临床实践的多样性。该数据集可用于开发全自动脑肿瘤分割算法,特别是基于深度学习的方法,因为每个样本都提供了真值标注。

提供机构:Ferreira, André; Alves, Victor; Puladi, Behrus; Egger, Jan; Luijten, Gijs; Solak, Naida

精度瓶颈?数据缺失?

当前公开数据无法满足您的算法精度?千方提供针对 脑肿瘤 的高质量、多模态真实临床数据定制解决方案。

获取专属数据定制方案
影像GBM-Reservoir: Dataset and Segmentations