UTSW 胶质瘤 MRI 数据集：分子标志物特征与分割

数据集获取

源站：https://doi.org/10.7937/dfae-1b86

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。

数据说明

胶质瘤是最常见的原发性脑肿瘤，其治疗和预后受分子标志物特征的影响。传统上，分子标志物是通过对活检组织进行病理学检测来确定的。基于MRI的深度学习方法为无创预测这些标志物提供了一种有前景的途径。然而，这些方法通常需要高质量、标注良好的数据集。为满足这一需求，我们提出了一个由德克萨斯大学西南医学中心（UTSW）构建的精心整理的大脑肿瘤数据集。该数据集包含2006年至2023年间在UTSW接受治疗的625名患者的多对比度MRI、人口统计学信息、分子标志物以及多标签肿瘤分割数据。每位患者的记录包含四种MRI对比图像：增强前T1w、增强后T1w、T2w和T2w-FLAIR图像。该数据集还提供了全面的遗传信息，包括IDH突变状态、1p/19q共缺失、MGMT启动子甲基化、肿瘤类型和肿瘤分级。该数据集为探索MRI-遗传学关系提供了宝贵的资源，并可作为开发和验证深度学习模型的可靠基准。

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。