RHUH-GBM数据集
RHUH-GBM数据集是一个包含40名脑胶质母细胞瘤患者在术前、术后早期及复发随访三个时间点的纵向多参数磁共振影像数据集，数据模态包括T1、T1CE、T2、FLAIR和ADC序列，并提供专家手动校正的肿瘤亚区（背景、坏死、瘤周、增强肿瘤）分割标签，主要用于开发3D多类脑肿瘤自动分割算法以及研究胶质母细胞瘤的纵向演变规律。
基本信息
资源简介
RHUH-GBM数据集
【数据集背景】
本数据集源站标题为《Angelou0516/RHUH-GBM》。源站首次发布：2026-05-30。
【数据内容】
源站原始描述：# RHUH-GBM — Rio Hortega University Hospital Glioblastoma dataset Longitudinal multi-parametric MRI (mpMRI) of glioblastoma patients from Rio Hortega University Hospital (Valladolid, Spain), with expert tumor sub-region segmentations at **three timepoints per patient**: preoperative, early postoperative ( Distinguishing feature vs. preop-only glioma datasets (e.g. BraTS): RHUH-GBM > provides **post-resection and recurrence** scans with expert-validated masks — > exactly the timepoints where auto…
【数据结构与技术规格】
文件数 722 个，合计 3.10 GB。
【主题与分类】
主题标签：task_categories:image-segmentation、license:cc-by-4.0、size_categories:n<1K、format:parquet、format:optimized-parquet、modality:image、modality:text、library:datasets、library:pandas、library:polars。
【获取与许可】
源站页面：https://huggingface.co/datasets/Angelou0516/RHUH-GBM
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2026-07-13，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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("Angelou0516/RHUH-GBM")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/Angelou0516/RHUH-GBM
数据说明
RHUH-GBM数据集是一个用于脑胶质母细胞瘤研究的纵向多参数磁共振成像数据集，由西班牙Rio Hortega大学医院提供。该数据集包含40名患者的影像数据，每位患者在三个关键时间点（术前、术后早期<72小时、复发随访）进行了扫描。数据模态包括T1、T1CE、T2、FLAIR和ADC序列。所有影像数据均以NIfTI格式提供，并已完成了颅骨剥离和配准至SRI24标准空间的处理。核心价值在于提供了由专家手动校正的精细肿瘤亚区分割标签，涵盖背景、坏死、瘤周区域和增强肿瘤四类。该数据集主要应用于3D多类脑肿瘤分割算法的开发与验证，以及胶质母细胞瘤的纵向演变分析和治疗反应评估研究。
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。
