面向AI脑肿瘤分析的多序列MRI数据集

数据集获取

源站：https://doi.org/10.17632/b3z27t8vpb

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。

数据集大小约 91.7 MB。

数据说明

该数据集包含从伊拉克库尔德斯坦苏莱曼尼亚地区的医疗中心（包括Hiwa医院和亚洲国际医院）收集的临床脑部MRI切片。该数据集旨在将脑部MRI扫描进行二分类，分为肿瘤和非肿瘤两类，适用于医学图像分析中的深度学习模型训练。数据集由来自真实患者病例的542幅原始MRI切片组成，包括：• 来自50名被诊断为脑肿瘤患者的305幅肿瘤MRI切片 • 来自40名无肿瘤个体的237幅非肿瘤MRI切片 为了提高数据集的多样性和机器学习应用的鲁棒性，应用了一系列图像增强技术。因此，数据集扩展至总共6,606幅图像，包括：• 从原始305幅切片衍生的3,953幅肿瘤图像 • 从原始237幅切片衍生的2,653幅非肿瘤图像 每幅图像均以标准格式（如JPG）保存，分辨率统一为320×320像素。

该数据集包含来自几种标准MRI序列的图像，即：T1加权（T1W）、T2加权（T2W）、FLAIR、T1加权对比增强（T1W-CE）、ADC和DWI。该数据集经过经验丰富的医疗专业人员的精心整理、审查和注释，确保了在研究及教育用途中的高准确性和可靠性。它为从事医学图像分类，特别是利用MRI数据进行脑肿瘤检测的研究人员提供了宝贵的资源。

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。