PMPBench
首个公开的全配对跨癌种医学影像数据集，涵盖11个器官、19种癌症的CT和MRI配对图像，用于对比剂合成算法研究。
基本信息
资源简介
PMPBench
【数据集背景】
本数据集源站标题为《YifanChen02/Contrast-X》。源站首次发布：2025-07-28。
【数据内容】
源站原始描述：# PairedContrast # Contents - Dataset & Structure - Details - MR - Brain - Breast - CT - Uterus Ovary - Adrenal - Bladder Kidney - Lung - Stomach Colon Liver Pancreas - our framework - dataset process pipeline - architecture - environment - baseline - flow-matching - diffusion - flow ode - transformer - mamba # Dataset & Structure ## Details ## MR ### Brain ### Breast ## CT ### Uterus Ovary ### Adrenal ### Bladder Kidney ### Lung ### Stomach Colon Liver Pancreas # our framework ## dataset proces…
【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://github.com/YifanChen02/Contrast-X
【使用注意】
· 源站最后修改于 2025-09-26，引用时请注意版本时效。
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
git clone https://github.com/YifanChen02/PMPBench.git
curl -L -o repo.zip https://github.com/YifanChen02/PMPBench/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
PairedContrast
Contents
Dataset & Structure
Details
MR
Brain
Brain_MR_train_val_test
├── train
│ ├── TCGA-02-0006
│ │ ├── TCGA-02-0006_1996.08.23_t1.nii.gz
│ │ ├── TCGA-02-0006_1996.08.23_t1Gd.nii.gz
│ │ ├── TCGA-02-0006_1996.08.23_t2.nii.gz
│ │ ├── TCGA-02-0006_1996.08.23_flair.nii.gz
│ │ ├── TCGA-02-0006_1996.08.23_GlistrBoost.nii.gz （mask）
│ │ ├── TCGA-02-0006_1996.08.23_GlistrBoost_ManuallyCorrected.nii.gz （人工矫正过的mask，不是每一个都有）
│ └── ...
├── val
│ ├── TCGA-08-0350
│ │ ├── TCGA-08-0350_1998.12.15_t1.nii.gz
│ │ ├── TCGA-08-0350_1998.12.15_t1Gd.nii.gz
│ │ ├── TCGA-08-0350_1998.12.15_t2.nii.gz
│ │ ├── TCGA-08-0350_1998.12.15_flair.nii.gz
│ │ ├── TCGA-08-0350_1998.12.15__GlistrBoost.nii.gz
│ │ ├── TCGA-08-0350_1998.12.15_GlistrBoost_ManuallyCorrected.nii.gz
│ └── ...
├── test
│ ├── TCGA-02-0003
│ │ ├── TCGA-02-0003_1997.06.08_t1.nii.gz
│ │ ├── TCGA-02-0003_1997.06.08_t1Gd.nii.gz
│ │ ├── TCGA-02-0003_1997.06.08_t2.nii.gz
│ │ ├── TCGA-02-0003_1997.06.08_flair.nii.gz
│ │ ├── TCGA-02-0003_1997.06.08_GlistrBoost.nii.gz
│ │ ├── TCGA-02-0003_1997.06.08_GlistrBoost_ManuallyCorrected.nii.gz
│ └── ...
└── survival_evaluation.csv
处理之后(将t1和t1ce左右拼成一个新的图png)——有对应代码（不同病例就不分文件夹了，直接都放一起，用前缀区分病例，后缀区分slice）
├── T1_T1CE
│ ├── train
│ │ ├── TCGA-02-0006_0.png
│ │ ├── TCGA-02-0006_1.png
│ │ ├── ...
│ ├── val
│ │ ├── TCGA-08-0350_0.png
│ │ ├── TCGA-08-0350_1.png
│ │ ├── ...
│ ├── test
│ │ ├── TCGA-02-0003_0.png
│ │ ├── TCGA-02-0003_1.png
│ │ ├── ...
Breast
包含三个公开乳腺癌数据集，已经按照比例做了合并（.mat格式版本）> 后面会数据处理成nii版本
1. bpe = background parenchymal enhancement
2.
## 数据加载示例（图像类）
```python
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。
