纵向胶质瘤影像未来导向解释研究的可复现性包
该数据集是研究“Toward Future-Grounded Explanations in Longitudinal Glioma Imaging”的可复现性包,原始影像来自公开的 MU-Glioma-Post 数据集,本记录不重新发布原始影像集合,而是提供复现所报告分析所需的研究专用材料,包括源

基本信息
资源简介
纵向胶质瘤影像未来导向解释研究的可复现性包
Reproducibility package for “Toward Future-Grounded Explanations in Longitudinal Glioma Imaging”
该数据集是研究“Toward Future-Grounded Explanations in Longitudinal Glioma Imaging”的可复现性包,原始影像来自公开的 MU-Glioma-Post 数据集,本记录不重新发布原始影像集合,而是提供复现所报告分析所需的研究专用材料,包括源代码、依赖规范、锁定队列清单、患者配对定义、派生定量结果、审计输出和文档。该包可作为论文的可复现性配套材料,适合用于复现纵向胶质瘤影像分析流程;需要原始影像数据的读者应从原始公共存储库获取 MU-Glioma-Post(来源 DOI 解析)。
【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):该数据集为研究“Toward Future-Grounded Explanations in Longitudinal Glioma Imaging”提供可复现性包。本研究使用的原始影像来源是公开可用的 MU-Glioma-Post 数据集。本记录不重新发布原始影像集合,而是包含复现所报告分析所需的研究专用材料,包括源代码、依赖规范、锁定队列清单、患者配对定义、派生定量结果、审计输出和文档。该包旨在作为手稿的可复现性配套材料。寻求原始影像数据的读者应从其原始公共存储库获取 MU-Glioma-Post。
【主题与分类】
主题标签:Artificial Intelligence、Medical Imaging。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/3ss8767pb5/1
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/10.17632/3ss8767pb5.1
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 3.50 GB。
数据说明
本数据集为研究《面向纵向胶质瘤影像的未来 grounded 解释》提供可复现性包。本研究使用的原始影像来源为公开可获取的 MU-Glioma-Post 数据集。本记录不再重新发布原始影像集合,而是包含复现所报告分析所需的研究专用材料,包括源代码、依赖规范、锁定队列清单、患者配对定义、衍生定量结果、审计输出及文档。本包旨在作为手稿的可复现性配套材料。寻求原始影像数据的读者应从其原始公共存储库获取 MU-Glioma-Post。
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。




