SegRap2023
鼻咽癌放射治疗的风险器官和肿瘤分割基准，包含200名患者的400次CT扫描。
基本信息
资源简介
SegRap2023
【一句话概览】
SegRap2023 挑战提供鼻咽癌患者的 CT 扫描数据集，分割目标包括危及器官、鼻咽原发灶大体肿瘤体积和淋巴结大体肿瘤体积。数据集包含 200 例患者的 CT 扫描，其中训练、验证和测试分别有 120、20 和 60 例，每例含平扫和增强两套 CT，共 400 幅影像，并带有原发灶、淋巴结及 45 个危及器官的像素级标注，用于放疗计划相关研究（来源 segrap2023.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《Segmentation of Organs-at-Risk and Gross Tumor Volume of NPC for Radiotherapy Planning (SegRap2023)》。
【数据内容】
源站原始描述：In this challenge, we will provide a dataset of CT scans of patients with nasopharyngeal carcinoma (NPC), where the segmentation targets will include OARs, Gross Target Volume of the nasopharynx (GTVnx), and Gross Target Volume of the lymph nodes (GTVnd). The dataset will consist of CT scans from 200 patients (120, 20, and 60 patients for training, validation and testing, respectively), each with two CT scans (a no-contrast CT and a contrast-enhanced CT) with pixel-level annotations of GTVnx, GT…
中文译文（机器翻译，仅供快速理解，请以原文为准）：在本次挑战中，我们将提供鼻咽癌（NPC）患者的CT扫描数据集，其中分割目标将包括危及器官（OARs）、鼻咽部大体肿瘤体积（GTVnx）和淋巴结大体肿瘤体积（GTVnd）。该数据集将包含200名患者的CT扫描（训练、验证和测试分别使用120、20和60名患者），每位患者有两份CT扫描（一份无对比剂CT和一份对比增强CT），并附有GTVnx、GTVnd和45个OARs的像素级标注。
【主题与分类】
主题标签：Nasopharyngeal carcinoma、CT、Segmentation、Organs-at-Risk、Gross Tumor Volume、Radiotherapy Planning、Head and Neck。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://segrap2023.grand-challenge.org
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。
暂未开放有偿下载
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://segrap2023.grand-challenge.org
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:
数据说明
该数据集是面向鼻咽癌放射治疗计划中风险器官和肿瘤总体积分割的大型基准，包含200名鼻咽癌患者的400次计算机断层扫描（CT），每对包括预先对齐的无对比和增强CT扫描。数据模态为医学影像，任务为分割，可用于模型开发和评估。
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。
