Grand Challenge autoPET V：全身PET/CT自动病灶分割
全身PET/CT中的自动病变分割。主题标签：肿瘤、癌症、PET/CT、病灶分割、图像分割、全身成像。本站分类：肿瘤/癌症（总论）
基本信息
资源简介
Grand Challenge autoPET V：全身PET/CT自动病灶分割
Grand Challenge: autoPET V - Automated Lesion Segmentation in Whole-Body PET/CT 是一个面向全身正电子发射断层扫描与计算机断层扫描（PET/CT）影像的自动病变分割数据集，归属于肿瘤与癌症（总论）方向。该数据集来源于 autoPET V 挑战赛，其核心主题围绕全身 PET/CT 中的病灶自动分割任务展开，涉及肿瘤、癌症、PET/CT、病灶分割、图像分割以及全身成像等关键标签。整体而言，该数据集旨在为医学影像分析领域提供针对全身 PET/CT 影像中病变区域自动识别与分割的研究资源，服务于肿瘤相关影像分析方法的开发与评估。
【数据集背景】
该数据集的全称为 Grand Challenge: autoPET V - Automated Lesion Segmentation in Whole-Body PET/CT，其来源站为 autopet-v.grand-challenge.org。从来源站的描述来看，该数据集聚焦于全身 PET/CT 中的自动病变分割这一任务。在肿瘤与癌症（总论）的分类框架下，该数据集所涉及的主题标签包括肿瘤、癌症、PET/CT、病灶分割、图像分割以及全身成像。这些标签共同勾勒出该数据集的应用领域：利用全身 PET/CT 影像进行病变区域的自动分割，以支持肿瘤与癌症相关的研究与分析工作。该数据集作为 autoPET V 挑战赛的组成部分，其背景与全身 PET/CT 影像中病变自动分割这一研究需求密切相关。
【数据内容】
该数据集的主题标签涵盖肿瘤、癌症、PET/CT、病灶分割、图像分割以及全身成像。从这些标签可以了解，数据集内容涉及全身 PET/CT 影像中的病变分割任务，属于图像分割在医学影像领域的具体应用方向。关于数据集的具体样本数量、影像模态组合方式、标注类型、文件格式、数据规模等详细内容，源站未提供。
【采集与来源】
该数据集来源于 autopet-v.grand-challenge.org，即 autoPET V 挑战赛的官方站点。其来源站描述为“Automated Lesion Segmentation in Whole-Body PET/CT”。关于数据的具体采集机构、采集设备、采集时间、采集地点、患者群体信息以及数据收集的具体流程等，源站未提供。
【适用场景】
基于该数据集的主题标签与来源站描述，其适用场景主要围绕全身 PET/CT 影像中的自动病变分割任务。具体而言，该数据集可用于肿瘤与癌症（总论）方向的研究，涉及病灶分割、图像分割以及全身成像等应用领域。该数据集所对应的 autoPET V 挑战赛，其任务设定为全身 PET/CT 中的自动病变分割，因此适用于与该任务相关的算法开发、模型训练与评估等研究场景。关于该数据集在其他具体应用场景中的适用性，源站未提供。
【使用方法】
关于该数据集的具体使用方法，包括数据下载方式、访问权限、使用流程、预处理要求、训练与测试划分方式、评估指标等，源站未提供。
【质量与限制】
关于该数据集的质量评估信息、数据标注质量、数据完整性、潜在偏差以及使用限制等内容，源站未提供。
【引用与许可】
关于该数据集的引用格式、许可协议、使用条款以及版权信息等内容，源站未提供。
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://autopet-v.grand-challenge.org/
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
Automated Lesion Segmentation in Whole-Body PET/CT
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。
