MAGIC-CT：CT 多器官标注与图像描述用于癌症

数据集获取

源站：https://doi.org/10.5281/zenodo.17549292

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 39.14 GB。

数据说明

我们提出了MAGIC-CT，一个包含562名腹部肿瘤患者（肝囊肿/肝癌、肺转移、肺癌、肾囊肿、肾癌、胰腺癌）的对比增强CT数据集。所有562名患者均有CT扫描和三维病灶/器官掩膜；其中492名患者的子集还拥有按器官划分、由放射科医生撰写的报告（RU/KZ/EN），共计4,937条器官描述。该数据集涵盖4个器官的8种病理，包含约1,250个标注病灶和约500条与病灶相关的文本发现，能够支持训练将体积定位与临床语言相连接的多模态系统。MAGIC-CT独特地整合了体积病灶定位、定量指标（如肿瘤体积、血管受累角度）以及丰富的语义上下文（如“腹腔干袖套样包绕”），弥补了连接放射影像、分割与临床语言的资源匮乏。该数据集有望推动AI驱动的肿瘤表征、自动化报告生成和转移追踪的进展，并对精准肿瘤学产生影响。

数据使用协议 如果我被授予访问该数据库的权限：我不会试图识别MagicCT数据中提及的任何个人或机构。我将尽一切合理谨慎之责，避免在任何出版物或其他通信中泄露MagicCT受限数据中提及的任何个人或机构的身份。我不会与其他人共享对MagicCT受限数据的访问权限。我将尽一切合理谨慎之责，维护MagicCT受限数据的物理和电子安全。如果我在MagicCT受限数据中发现我认为可能允许识别任何个人或机构的信息，我将通过电子邮件迅速向通讯作者报告该信息的位置，并引用所涉具体信息的位置。我请求访问MagicCT受限数据仅出于合法目的

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。