OmniMedSeg 超声数据集
OmniMedSeg-Ultrasound 是 OmniMedSeg 超集的组成部分，包含 13 个经统一结构转换的超声数据集，每个分割目标均配有二值掩膜
基本信息
资源简介
OmniMedSeg 超声数据集
OmniMedSeg-Ultrasound
OmniMedSeg-Ultrasound 是 OmniMedSeg 超集的组成部分，包含 13 个经统一结构转换的超声数据集，每个分割目标均配有二值掩膜。数据覆盖乳腺、肌肉、胎儿、甲状腺、肝脏等多个超声分割场景，其中 BUSI 等乳腺超声数据可用于乳腺癌肿块或微钙化的分类、检测与分割研究。该数据集适合训练和评估医学超声图像分割模型，也可与其他数据集结合用于多任务分析（来源 DOI 解析，Open Access 许可）。
【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）：该数据集包含 13 个经转换的超声数据集，是 OmniMedSeg 超集的一部分。所有数据集均被转换为标准化结构，每个分割目标均配有二值掩膜。BUS_BRA：CC-BY 4.0；BUS_UCLM：CC-BY-NC 4.0；FASS：CC-BY 4.0；HC18：CC-BY 4.0；MMOTU：CC-BY 4.0；MUSCLE_US：CC-BY 4.0；OASBUD：CC-BY-NC 4.0；PSFHS：CC-BY 4.0；TG3K：CC-BY-NC 3.0；TN3K：CC-BY-NC 3.0；100_US：许可详情请见
【主题与分类】
主题标签：Computer Science。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://radar.kit.edu/radar/en/dataset/qccrp1pkbk1j0dq0
使用许可：Open Access。
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/10.35097/qccrp1pkbk1j0dq0
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:
数据说明
该数据集包含13个转换后的超声数据集，是OmniMedSeg超集的一部分。所有数据集均转换为标准化结构，每个分割目标均配有二值掩膜。BUS_BRA：CC-BY 4.0 BUS_UCLM：CC-BY-NC 4.0 FASS：CC-BY 4.0 HC18：CC-BY 4.0 MMOTU：CC-BY 4.0 MUSCLE_US：CC-BY 4.0 OASBUD：CC-BY-NC 4.0 PSFHS：CC-BY 4.0 TG3K：CC-BY-NC 3.0 TN3K：CC-BY-NC 3.0 100_US：许可详情请参见 https://www.researchgate.net/publication/307907688_Ultrasound_Liver_Tumor_Datasets_Segmentations BUSI：“乳腺超声数据集可用于训练机器学习模型，这些模型能够对乳腺癌中的肿块或微钙化早期征象进行分类、检测和分割。”
对乳腺癌分类、检测和分割感兴趣的研究人员可以利用这些乳腺超声图像数据，将其与他人的数据集相结合，并进行分析以获得进一步的见解。" DDTI：“可立即下载用于研究” ================================================================================ 各数据集的详细信息 ================================================================================ [1] 100_US 许可详情请参见 https://www.researchgate.net/publication/307907688_Ultrasound_Liver_Tumor_Datasets_Segmentations ---------------------------------------- 许可证： 数据集链接：https://www.researchgate.net/publication/307907688_Ultrasound_Liver_Tumor_Datasets_Segmentations 元数据文件：Ultrasound/100_US/metadata.json 引用（bibtex）：@article{hann2017algorithm, title={Algorithm guided outlining of 105 pancreatic cancer liver metastases in Ultrasound}, author={Hann, Alexander and Bettac, Lucas and Haenle, Mark M and Graeter, Tilmann and Berger, Andreas W and Dreyhaupt, Jens and Schmalstieg, Dieter and Zoller, Wolfram G and Egger, Jan}, journal={Scientific Reports}, volume={7}, number={1}, pages={1
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
