HaN-Seg：头颈部危及器官CT与MR分割数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.7442913

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 4.94 GB。

数据说明

HaN-Seg：头颈部危及器官CT与MR分割数据集是一个公开可用的数据集，包含42例接受CT和T1加权MR成像患者的匿名头颈部（HaN）图像，用于图像引导放疗计划制定。此外，该数据集还以二值分割掩膜的形式包含了CT图像中30个危及器官（OARs）的参考分割，这些分割是通过整理专家逐像素手动图像标注获得的。HaN-Seg数据集的完整描述可见于：G. Podobnik, P. Strojan, P. Peterlin, B. Ibragimov, T. Vrtovec, “HaN-Seg: The head and neck organ-at-risk CT & MR segmentation dataset”, Medical Physics, 2023. 10.1002/mp.16197，任何基于其使用而产生的研究均须引用该论文。在发布数据集的同时，还启动了HaN-Seg：头颈部危及器官CT与MR分割挑战赛，旨在促进开发和应用于HaN区域OAR分割的现有最先进全自动技术，这些技术基于CT图像并利用多模态成像信息，在本例中即来自CT和MR图像的信息。

HaN-Seg挑战赛的任务是，在给定训练集（即本文公开可用的HaN-Seg数据集，包含同一患者的42幅CT和MR图像及CT图像对应的参考三维OAR二值分割掩膜）的情况下，从所设计的测试集（包含同一患者的14幅CT和MR图像）的CT图像中自动分割出HaN区域中多达30个OAR。请在下方查阅相关出版物列表，这些出版物涉及：(1) OAR勾画中观察者间及模态间变异性评估，(2) HaN-Seg挑战赛结果，(3) 我们的多模态分割模型开发，以及(4) 使用扩散模型开发MR到CT的图像到图像转换：G. Podobnik, B. Ibragimov, P. Strojan, P. Peterlin, T. Vrtovec, "vOARiability: In

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。