用于人工智能肺癌分类的[18F]-FDG PET/CT图像数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22065808

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 708.6 MB。

数据说明

该图像数据集共包含3,061张二维[18F]-FDG PET/CT肺部图像，来自2019年6月至2025年3月期间在伊朗设拉子Kowsar医院接受影像检查的94名患者。数据集包括1,913张正常病例图像、612张非小细胞肺癌（NSCLC）患者图像和536张小细胞肺癌（SCLC）患者图像。图像分为三个文件夹，分别命名为“Normal Cases”、“Non-Small Cell Lung Cancer (NSCLC)”和“Small Cell Lung Cancer (SCLC)”，对应三个诊断类别。图像以TIFF格式提供，文件名结构设计为括号前的数字表示患者病例ID，括号内的数字表示该病例的图像切片编号。这种命名方式使得属于同一患者的所有切片均可被识别，从而支持无泄漏的数据划分。所有患者标识符均已从原始临床ID修改，数据集不包含任何直接身份信息，确保参与者匿名化。

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。