用于联邦学习的肺癌CT扫描图像数据集

数据集获取

源站：https://doi.org/10.17632/2tp26b6bzw.2

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 343.0 MB。

数据说明

该数据集包含3，200张高质量的切片级肺部CT图像，分为三个不同的诊断类别。它旨在支持机器学习、深度学习和联邦学习研究，用于肺癌的自动检测和分类，从而推动隐私保护医疗AI、多机构协作和可解释诊断系统的创新。数据集构成：该数据集根据标准放射学特征和病理学定义分为三个不同的类别：⦁ 恶性（1，310张图像）：确诊的癌，如腺癌，通常以边缘不规则、结节状密度和周围实质扭曲为特征。⦁ 良性（905张图像）：非癌性结节，如错构瘤或肉芽肿，以边界清楚的结构、边缘光滑或钙化为特征。⦁ 正常（985张图像）：扫描显示肺实质清晰，无结节或病理性病灶证据。数据预处理与结构化：⦁ 图像格式为单通道（灰度）CT切片。

⦁ 数据集经过标准化预处理流程，图像被调整为224×224像素，以确保样本间的一致性。⦁ 通过对比度受限自适应直方图均衡化（CLAHE）对扫描图像进行增强，以处理亮度和对比度的差异，并使用共享的逐通道均值和方差进行归一化，以确保像素强度一致（范围为0至1）。应用：该数据集可有效用于：⦁ 医学图像分类和计算机辅助肿瘤学诊断。⦁ 先进深度学习架构（如CNN、Vision Transformer和混合模型）的开发与基准测试。⦁ 模拟去中心化的多机构联邦学习（FL）环境，特别是用于测试具有数量偏斜和标签异质性的Non-IID（非独立同分布）数据划分。⦁ 评估可解释AI

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。