面向近距离放疗肿瘤学的多器官妇科磁共振成像数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.15156637

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。

数据集大小约 751.0 MB。

数据说明

本数据集介绍了一个用于近距离放射治疗肿瘤学的多器官妇科磁共振成像（MOGaMBO）数据集，这是一个新颖的磁共振成像数据集，旨在推动计算智能在宫颈癌治疗的近距离放射治疗诊断和器官分割应用中的研究。该数据集包含来自94名局部晚期宫颈癌患者（IB2–IVA期）的高分辨率T2加权3D MR扫描，遵循FIGO关于间质和腔内近距离放射治疗的指南。成像使用1.5T GE Signa Explorer扫描仪进行，采集参数TR和TE分别设置为2600ms和155ms，以获得最佳的软组织对比度，并结合0.5 × 0.5 mm²的像素分辨率和每次扫描30–50层切片。为确保剂量学一致性，成像期间通过Foley导尿管标准化膀胱体积。关键危及器官——膀胱、直肠、乙状结肠和股骨头，由专家放射肿瘤学家使用开源ITK-SNAP平台手动勾画，确保精确的感兴趣区域标注。

该数据集经过严格的去标识化处理以保护患者隐私，移除了所有人口统计学和可识别信息。MOGaMBO为开发和验证医学图像分割或表示学习算法以及近距离放射治疗相关研究工具提供了标准化、符合隐私要求的资源。该数据集填补了妇科近距离放射治疗数据集中可访问的多器官成像资源的关键空白，在治疗计划和人工智能驱动的临床研究中具有应用价值。如果您使用该数据集，请按适当的BibTex格式引用以下工作：@misc{manna2025, title={Federated Self-Supervised Learning for One-Shot Cross-Modal and Cross-Imaging Technique Segmentation}, author={Siladittya Manna and Suresh Das and Sayantari Ghosh and Saumik Bhattacharya}, year={2025}, eprint={

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。