M3Dsynth
M3Dsynth是一个包含AI生成局部修改的CT肺部图像数据集，通过注入或移除肺癌结节创建，用于医学图像篡改检测。
基本信息
资源简介
M3Dsynth
【一句话概览】
该研究提出 M3Dsynth，一个包含被操纵的计算机断层扫描（CT）肺部图像的大型数据集。研究者利用基于生成对抗网络（GAN）或扩散模型（DM）的三种方法，在真实 CT 扫描中注入或移除肺癌结节，共生成 8577 个被操纵样本。数据集标签涉及 CT、肺部、肺癌结节、医学 3D 图像、被操纵图像、GAN、扩散模型及取证检测（来源 grip-unina.github.io）。
【数据集背景】
本数据集源站标题为《M3Dsynth: A dataset of medical 3D images with AI-generated local manipulations》。
【数据内容】
源站原始描述：Here, we investigate this issue and propose M3Dsynth, a large dataset of manipulated Computed Tomography (CT) lung images. We create manipulated images by injecting or removing lung cancer nodules in real CT scans, using three different methods based on Generative Adversarial Networks (GAN) or Diffusion Models (DM), for a total of 8,577 manipulated samples
中文译文（机器翻译，仅供快速理解，请以原文为准）：在此，我们探究了这一问题，并提出了M3Dsynth——一个包含大量被操纵的计算机断层扫描（CT）肺部图像的数据集。我们通过在真实CT扫描中注入或移除肺癌结节来创建被操纵的图像，采用了基于生成对抗网络（GAN）或扩散模型（DM）的三种不同方法，总共获得了8，577个被操纵的样本。
【主题与分类】
主题标签：CT、lung、lung cancer nodules、medical 3D images、manipulated images、GAN、Diffusion Models、forensic detection。
【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://grip-unina.github.io/M3Dsynth/
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://grip-unina.github.io/M3Dsynth/
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
M3Dsynth是一个大型医学3D图像数据集，包含通过AI生成的局部修改的CT肺部图像，通过注入或移除肺癌结节创建修改图像，用于检测和定位医学图像篡改。数据模态为医学影像（CT），任务为篡改检测和定位。
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。
