HNTS-MRG 2024
头颈部癌症磁共振引导放疗的T2加权MRI数据集，包含202例患者预放疗和中期放疗两个时间点的图像及专家标注，用于推动肿瘤自动分割研究。
基本信息
资源简介
HNTS-MRG 2024
【一句话概览】
Grand Challenge 是一个聚焦生物医学成像与机器学习的挑战平台，汇集多种算法类竞赛。该平台以挑战赛形式推动相关领域算法研究，标签涵盖生物医学成像、机器学习、挑战赛和算法（来源 grand-challenge.org）。
【数据集背景】
本数据集源站标题为《Grand Challenge》。
【主题与分类】
主题标签：biomedical imaging、machine learning、challenges、algorithms。
【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://grand-challenge.org
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。
暂未开放有偿下载
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://grand-challenge.org
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
HNTS-MRG 2024数据集由德克萨斯大学MD安德森癌症中心创建，专注于头颈部癌症的磁共振引导放射治疗应用。该数据集包含202例患者的T2加权MRI图像，分为预放射治疗（pre-RT）和中期放射治疗（mid-RT）两个时间点。数据集的创建过程包括图像采集、专家标注和使用STAPLE算法生成共识分割。该数据集旨在解决头颈部癌症放射治疗中手动肿瘤分割的挑战，推动人工智能在肿瘤自动分割领域的应用。
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。
