用于脑肿瘤分割的预处理多模态 MRI 数据集（BraTS 风格）
该数据集是 Multimodal Brain Tumor Segmentation（BraTS）挑战赛数据的预处理版本，用于支持基于多模态 MRI 的脑肿瘤分割深度学习模型的训练与评估
基本信息
资源简介
用于脑肿瘤分割的预处理多模态 MRI 数据集（BraTS 风格）
Preprocessed Multimodal MRI Dataset for Brain Tumor Segmentation (BraTS-style)
该数据集是 Multimodal Brain Tumor Segmentation（BraTS）挑战赛数据的预处理版本，用于支持基于多模态 MRI 的脑肿瘤分割深度学习模型的训练与评估。原始数据来自公开的 BraTS 挑战赛数据集，包含经共配准、颅骨剥离并以 1–4 mm 各向同性重采样的体积 MRI 扫描，涵盖 T1、T1ce、T2 和 FLAIR 四种结构模态。数据以单个压缩包形式提供，可用于脑肿瘤分割相关研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-08-28。
【数据内容】
源站描述（机器翻译，仅供参考）：该仓库提供多模态脑肿瘤分割（BraTS）挑战赛数据集的预处理版本，用于支持基于多模态 MRI 的脑肿瘤分割深度学习模型的训练与评估。原始数据来自公开的 BraTS 挑战赛数据集（ 1–4 mm 各向同性重采样的体积 MRI 扫描，采集自四种结构模态：T1 加权（T1）、对比增强 T1 加权（T1ce）、T2 加权（T2）和液体衰减反转恢复（FLAIR）。
【数据结构与技术规格】
文件数 1 个，合计 13.17 GB。数据集 DOI：10.6084/m9.figshare.33366342.v1。
【主题与分类】
源站学科分类：Diagnostic radiography、Radiology and organ imaging。主题标签：BraTS、brain tumor、MRI、glioblastoma、segmentation、multimodal。本站分类：肿瘤/脑肿瘤。
【适用方向】
源站学科分类标注为 Diagnostic radiography、Radiology and organ imaging。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Preprocessed_Multimodal_MRI_Dataset_for_Brain_Tumor_Segmentation_BraTS-style_/33366342
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：dataset, Anonymous (2026). Preprocessed Multimodal MRI Dataset for Brain Tumor Segmentation (BraTS-style). figshare. Dataset
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/10.6084/m9.figshare.33366342
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 13.17 GB。
数据说明
本仓库提供经过预处理的Multimodal Brain Tumor Segmentation（BraTS）挑战赛数据集版本，旨在支持基于多模态MRI的脑肿瘤分割深度学习模型的训练与评估。原始数据源自公开发布的BraTS挑战赛数据集（https://www.synapse.org/BraTS），该数据集包含共配准、去颅骨及1–4毫米各向同性重采样的体积MRI扫描，这些扫描通过四种结构模态获取：T1加权（T1）、对比增强T1加权（T1ce）、T2加权（T2）以及流体衰减反转恢复（FLAIR）。
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。
