医学影像（CT扫描、MRI、X射线和显微图像）数据
该数据集包含5组医学图像数据，分别可用于肺癌、骨折、脑肿瘤、皮肤病变和肾恶性肿瘤的分类。数据还包含各数据集对应的多种疾病和恶性肿瘤图像
基本信息
资源简介
医学影像（CT扫描、MRI、X射线和显微图像）数据
该数据集为医学影像数据集合，涵盖计算机断层扫描（CT）、磁共振成像（MRI）、X射线以及显微图像等多种成像模态，按疾病类别划分为五组，分别面向肺癌、骨折、脑肿瘤、皮肤病变和肾恶性肿瘤的分类任务。数据集中不仅包含上述五类疾病的影像，还收录了对应类别的多种疾病与恶性肿瘤图像，可用于训练和评估深度学习分类模型。该数据集由Syed, Sibtain贡献，发布于Mendeley Data平台，发布年份为2024年，来源站为doi.org，本站将其归类于肿瘤/肺癌方向。数据集配套的主题标签包括显微成像、医学影像、计算机断层扫描、脑部磁共振成像和X射线，反映了其多模态、多病种的覆盖范围。
【数据集背景】
该数据集面向医学影像分析与疾病辅助诊断领域，旨在为多种重大疾病和恶性肿瘤的自动分类研究提供图像资源。源站描述指出，这些医学图像可用于对肺癌、骨折、脑肿瘤、皮肤病变和肾恶性肿瘤进行分类，并且数据集中还包含各对应数据集下的多种疾病和恶性肿瘤图像。该数据已被贡献者用于一篇研究论文中，说明其具备一定的研究应用背景。数据集发布于Mendeley Data，发布时间为2024年，来源站为doi.org，作者为Syed, Sibtain。
【数据内容】
数据集共包含5组医学图像数据，分别对应肺癌、骨折、脑肿瘤、皮肤病变和肾恶性肿瘤五类疾病的分类任务。除主要疾病类别外，数据还包含各数据集对应的多种疾病和恶性肿瘤图像，意味着每组数据内部可能涵盖该疾病领域下的多个细分类型或不同表现的影像样本。从成像模态来看，数据涉及CT扫描、MRI、X射线以及显微图像，主题标签进一步明确包括显微成像、医学影像、计算机断层扫描、脑部磁共振成像和X射线。本站将该数据集分类为肿瘤/肺癌方向。
【采集与来源】
该数据集由作者Syed, Sibtain贡献，所属机构为Mendeley Data，来源站为doi.org，发布时间为2024年。源站描述提到，该数据已被贡献者用于一篇研究文章中。关于具体的采集地点、采集设备型号、患者人群特征、伦理审批信息以及图像采集的具体流程，源站未提供。
【适用场景】
根据源站描述，该数据集适用于肺癌、骨折、脑肿瘤、皮肤病变和肾恶性肿瘤的分类任务。源站明确指出，可使用ResNet50卷积神经网络架构以及其他深度卷积神经网络（DCNN）模型对上述疾病进行分类。因此，该数据集的主要适用场景包括基于深度学习的医学影像分类模型训练、验证与比较研究，尤其适合评估ResNet50及其他DCNN模型在多病种、多模态医学图像上的分类性能。此外，由于数据涵盖多种疾病和恶性肿瘤图像，也可用于相关疾病亚型的识别研究。
【使用方法】
源站描述建议使用ResNet50 CNN架构和其他DCNN模型对数据进行疾病分类。使用者可将五组数据分别用于对应疾病的分类任务，即肺癌、骨折、脑肿瘤、皮肤病变和肾恶性肿瘤的分类。关于数据的具体格式、目录结构、图像尺寸、样本数量、训练集与测试集划分方式、标注格式以及预处理建议，源站未提供。
【质量与限制】
源站描述提及该数据已被贡献者用于一篇研究文章，并包含多种疾病和恶性肿瘤图像，但未提供关于图像分辨率、标注准确性、类别平衡性、数据完整性或潜在偏倚的具体信息。关于数据是否存在噪声、缺失、重复或伦理限制，源站未提供。使用者在应用该数据集时，应自行评估其质量与适用性。
【引用与许可】
该数据集的作者为Syed, Sibtain，所属机构为Mendeley Data，来源站为doi.org，发布时间为2024年。源站描述提到该数据已被贡献者用于一篇研究文章，但未提供具体的引用格式、许可协议类型或使用限制条款。关于如何引用该数据集以及许可授权范围，源站未提供。
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。
免登录有偿下载
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://doi.org/10.17632/5kbjrgsncf.1
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:
数据集大小约 2.16 GB。
数据说明
该数据包含5组医学图像数据，分别可用于肺癌、骨折、脑肿瘤、皮肤病变和肾脏恶性肿瘤的分类。数据还包含了相应数据集的多种疾病和恶性肿瘤图像。这些疾病的分类可通过ResNet50 CNN架构及其他DCNN模型完成。此数据亦被贡献者用于一篇研究文章中。
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。
