MAMA-MIAAI扩展乳腺MRI数据集：偏置场校正与自动乳腺组织分割

数据集获取

源站：https://doi.org/10.13026/w6wc-jh81

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

公开可用的MAMA-MIA乳腺动态对比增强磁共振成像（MRI）数据集已成为乳腺癌人工智能（AI）研究的重要资源，尤其用于肿瘤检测和预测新辅助化疗（NAC）的病理完全缓解（pCR）。在所有数据集中，只有DUKE子集提供了100个全乳腺组织掩膜，以及一个能够自动生成额外掩膜的Breast U-Net AI模型。这些掩膜对于确保一致性的预处理至关重要，而预处理是可靠分析下游肿瘤、血管和纤维腺体组织（FGT）的关键前提。信号强度不均匀性由外部和局部磁场不均匀性引起，需要进行偏置场校正；当在感兴趣组织区域内应用校正时效果最佳，可避免背景体素带来的混杂因素。为促进该领域的可重复分析，我们正在开发并发布扩展版本的“MAMA-MIAAI – Here we go again”数据集。

该数据集包含经专家验证的、AI生成的、自动化的和手动创建的全乳腺组织掩膜，以及相应的偏置场校正DCE-MRI扫描。AI生成的掩膜使用专用的3D U-Net模型（MRI_BreastSeg）生成，N4偏置场校正使用SimpleITK库完成。扩展数据集包含1，506例病例，每例包括一组偏置场校正DCE-MRI扫描及其对应的乳腺组织掩膜，共计7，868张图像和1，506个自动掩膜。所有文件均以3D NIfTI文件格式存储。此外，我们还发布了用于训练AI模型的94个手动掩膜以及AI模型本身。该AI模型可通过GitHub仓库获取。这一资源降低了预处理的准入门槛，提高了研究之间的可比性，并有助于在乳腺癌领域开展更稳健的放射组学和AI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。