fastMRI乳腺
fastMRI乳腺公开数据集，包含300例乳腺DCE-MRI径向k空间数据及重建图像，涵盖恶性肿瘤和良性病变，支持图像重建和机器学习研究。
基本信息
资源简介
fastMRI乳腺
【一句话概览】
纽约大学朗格尼分校提供的去标识化影像数据集包含多个子数据集组的原始k空间数据，其整理属于经IRB批准的研究。原始数据和DICOM数据分别通过转换为厂商中立的ISMRMD格式和RSNA临床试验处理器完成去标识化，并对每张DICOM图像进行人工检查以排查意外受保护健康信息，同时抽查元数据与图像内容。数据集标签涉及MRI、k空间、膝、脑、前列腺、乳腺、DICOM、原始数据、重建和AI（来源 fastmri.med.nyu.edu）。
【数据集背景】
本数据集源站标题为《fastMRI Dataset》。
【数据内容】
源站原始描述：The deidentified imaging dataset provided by NYU Langone comprises raw k-space data in several sub-dataset groups. Curation of these data are part of an IRB approved study. Raw and DICOM data have been deidentified via conversion to the vendor-neutral ISMRMD format and the RSNA clinical trial processor, respectively. We also performed manual inspection of each DICOM image for the presence of any unexpected protected health information (PHI), with spot checking of both metadata and image content
中文译文（机器翻译，仅供快速理解，请以原文为准）：NYU Langone提供的去标识化影像数据集包含多个子数据集组中的原始k空间数据。这些数据的整理是一项经IRB批准的研究的一部分。原始数据和DICOM数据已分别通过转换为供应商中立的ISMRMD格式和RSNA临床试验处理器进行了去标识化处理。我们还对每张DICOM图像进行了人工检查，以查找是否存在任何意外的受保护健康信息（PHI），并对元数据和图像内容进行了抽查。
【主题与分类】
主题标签：MRI、k-space、Knee、Brain、Prostate、Breast、DICOM、raw data、reconstruction、AI。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://fastmri.med.nyu.edu/
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。
需登录公开下载
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。
暂未开放有偿下载
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://fastmri.med.nyu.edu/
标准获取流程：
- 访问源站链接，注册/登录账号（该平台要求数据下载前注册登录）；
- 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:
数据说明
fastMRI Breast是由纽约大学格罗斯曼医学院放射学中心高级成像创新与研究部创建的公开可用的乳腺动态对比增强MRI径向k空间数据集。包含300个病例，涵盖恶性肿瘤和良性病变，提供原始k空间数据、重建图像及DICOM文件，支持乳腺图像重建和机器学习方法研究。
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。
