LiverHccSeg：公开多期MRI肝脏与HCC肿瘤分割数据集及评估者间一致性分析

数据集获取

源站：https://doi.org/10.5281/zenodo.7957515

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 2.63 GB。

数据说明

请引用我们发表在《Data in Brief》上的数据论文：https://www.sciencedirect.com/science/article/pii/S2352340923007473

背景
肝癌是全球癌症相关死亡的第三大原因[1]，令人担忧的是，肝癌的发病率和死亡率均在上升[2; 3]。在各类原发性肝癌中，肝细胞癌（HCC）最为常见，约占肝癌病例的70-85%[4]。借助磁共振（MR）成像的优势，HCC无需侵入性活检即可被可靠地检测和诊断[5]。MR成像具有高组织对比度，并可通过对比增强多期磁共振成像（mpMRI）技术进一步增强。这使得HCC的准确识别和非侵入性诊断成为可能[6]。

目的
肝脏的精确分割在体积测量评估中起着至关重要的作用，并且是后续肿瘤检测算法的重要预处理步骤[7]。

然而，对于存在癌症相关组织改变和形状变形的患者，准确的肝脏分割可能尤为具有挑战性[8]。准确的HCC肿瘤分割对于提取放射组学等定量影像生物标志物至关重要，可用于治疗反应评估和预后评价研究，并提供有关肿瘤生物学的关键信息。为了提高肝脏和肿瘤分割的可重复性，人们开发了利用图像分析技术和机器学习的自动化方法。这些方法已展现出令人鼓舞的结果[7; 8]；然而，大多数算法仅在小型内部测试集上进行了测试，因此无法保证在外部数据上具有可推广且一致的性能。公开可用的数据集允许在不同算法、技术或方法之间进行公平客观的比较。研究人员可以

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。