脑肿瘤
脑肿瘤是指发生于颅腔内组织的异常新生物，包括原发性和继发性两类。原发性脑肿瘤起源于脑实质、脑膜、垂体、颅神经等结构，最常见的类型为胶质瘤和脑膜瘤。其发病机制涉及基因突变、染色体异常及信号通路失调，导致细胞增殖失控和凋亡抑制。临床表现取决于肿瘤位置、大小及生长速度，常见症状包括进行性头痛、癫痫发作、局灶性神经功能缺损及颅内压增高征象。诊断依靠影像学检查如MRI和CT，确诊需病理活检。治疗策略综合手术切除、放射治疗和化学治疗，精准靶向与免疫治疗日益成为重要方向。脑肿瘤研究聚焦于分子分型、微环境调控及血脑屏障穿透技术，推动个体化诊疗发展。
获取 脑肿瘤 专属定制方案共 3511 个数据集
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
Tlemcen-NeuroOncMRI：阿尔及利亚临床标注多序列脑MRI数据集-97494
Tlemcen-NeuroOncMRI 是阿尔及利亚 Tlemcen 抗癌中心回顾性采集的临床标注、患者关联脑 MRI 数据集，包含 45 名独立患者，其中原发性脑肿瘤（PBT）28 例、脑转移（CM）17 例，共 19,009 张 MRI 图像，并提供患者级元数据及每位患者一份去标识化法语临床影像
Tlemcen-NeuroOncMRI：阿尔及利亚临床标注多序列脑MRI数据集
Tlemcen-NeuroOncMRI 是阿尔及利亚 Tlemcen 抗癌中心回顾性采集的临床标注、患者关联脑 MRI 数据集，包含 45 名独立患者，其中原发性脑肿瘤（PBT）28 例、脑转移（CM）17 例，共 19,009 张 MRI 图像，并提供患者级元数据及每位患者一份去标识化法语临床影像
BDNeuro-MRI：孟加拉国临床脑肿瘤MRI四分类深度学习数据集-97491
图像来自孟加拉国的 Epic & CSCR Hospital，并经过严格清洗流程重建：去除完全重复与近似重复图像，再按分层方式划分为 70% 训练、15% 验证、15% 测试，且各集合中类别比例保持一致
BDNeuro-MRI：孟加拉国临床脑肿瘤MRI四分类深度学习数据集
图像来自孟加拉国的 Epic & CSCR Hospital，并经过严格清洗流程重建：去除完全重复与近似重复图像，再按分层方式划分为 70% 训练、15% 验证、15% 测试，且各集合中类别比例保持一致
脑肿瘤MRI分类数据集
数据划分为训练集5,712张（81.3%）和测试集1,311张（18.7%），各类别在训练集与测试集中均有明确分布。该数据集面向基于深度学习的医学图像分析，可用于训练CNN、Vision Transformer及多智能体分类流程，以支持高精度的脑肿瘤识别与分类研究（来源 DOI 解析）
BRISC：脑肿瘤分割与分类标注数据集-97500
📄 发表于：Scientific Data（Nature Portfolio）DOI： 一项包含额外实验的相关研究可作为对比基线：👉 Swin‑HAFNet：用于脑肿瘤分割与分类的分层多任务 Transformer 🚀 概述 BRISC 旨在解决现有公开脑 MRI 集合中的常见缺陷（例如类别不平衡、
BRISC：脑肿瘤分割与分类标注数据集
📄 发表于：Scientific Data（Nature Portfolio）DOI： 一项包含额外实验的相关研究可作为对比基线：👉 Swin‑HAFNet：用于脑肿瘤分割与分类的分层多任务 Transformer 🚀 概述 BRISC 旨在解决现有公开脑 MRI 集合中的常见缺陷（例如类别不平衡、
胶质母细胞瘤放疗计划半自动分割数据集
在放射治疗（RT）过程中，治疗借助治疗计划系统（TPS）进行计划与模拟。勾画确定计划治疗体积（PTV），即实际的RT治疗体积
FK2D 肿瘤生长仿真数据集
每个病例模拟肿瘤在参数化 2D 脑横截面上随时间生长，从单一初始病灶逐步侵入白质实质。数据集提供肿瘤细胞密度、分割掩膜和生长轨迹的精确 ground truth
可解释混合Swin-Unet可信多类脑肿瘤分类：精选MRI数据集、代码与支持材料-97480
数据由多个公开MRI数据集整合而成，用于评估基于Hybrid Swin-Unet架构的可解释深度学习框架。配套材料包括预处理资源、实现代码、图形材料、工作流程图及支持图，服务于模型开发、基于Grad-CAM的可解释性分析和置信可靠性评估（来源 DOI 解
可解释脑肿瘤检测：EfficientNetV2-S 与 RBF-SVM 多源 MRI 研究复现档案
本数据集是可解释脑肿瘤检测研究的复现档案，采用冻结的 EfficientNetV2-S 特征提取、基于 PCA 的降维以及经校准的 RBF-SVM 分类，并进行源留出评估
