2D CT 肾脏肿瘤分割数据集
该数据集提供高质量的2D肾脏CT扫描图像及专家标注的肿瘤掩膜，源自KiTS23，包含完整的体积扫描与精确掩膜，适用于肿瘤与肾脏分割的AI研究
基本信息
资源简介
2D CT 肾脏肿瘤分割数据集
2D CT Kidney Tumor Segmentation Splitted 是一个面向肾脏与肾脏肿瘤分割任务的二维 CT 影像数据集，提供高质量的肾脏 CT 扫描切片及专家标注的肿瘤掩膜，数据源自 KiTS23，并保留了完整的体积扫描信息与精确掩膜，便于模型的开发与评估。该数据集在 kaggle.com 发布，由 Fizza Zaitoon BSDS 2022 贡献，版本为 v1，发布于 2026-02-02，采用 CC0 公有领域许可，主题涵盖图像、计算机视觉、人工智能、医疗健康与图像分割，适合作为肿瘤与肾脏分割方向 AI 研究的即用型数据资源。
【数据集背景】
肾脏及肾脏肿瘤的自动分割是医学影像分析中的典型任务，对辅助诊断、治疗规划与随访评估具有实际意义。该数据集以 KiTS23 为基础衍生而来，将三维体积扫描拆分为二维切片形式，使研究者可以直接在二维层面上开展分割模型的训练与验证。源站描述强调，该数据集提供高质量的二维肾脏 CT 扫描，并配有专家标注的肿瘤掩膜，定位为肿瘤与肾脏分割的 AI 研究资源。其突出之处在于标注质量一致且经过专家核验，并可直接接入机器学习流程使用。
【数据内容】
数据集共包含 20 个文件，合计约 1.58 MB，文件格式包括 JSON、纯文本与 PNG 图像。从文件组织看，数据以 kits_2d_splitted 为根目录，其中包含划分信息文件 split_info.json 与划分摘要文件 split_summary.txt，以及按测试集组织的图像切片，例如 test/images 目录下的 case_00003_axial_177.png、case_00003_axial_178.png、case_00003_axial_179.png、case_00003_axial_180.png 等。切片文件名中包含病例编号与轴位层号，便于追溯同一病例的不同层面。数据内容以二维切片图像为主体，配合划分信息说明训练与测试的组织方式。掩膜的具体文件命名与目录结构源站未提供。
【采集与来源】
该数据集来源于 kaggle.com，由 Fizza Zaitoon BSDS 2022 发布，版本为 v1，发布时间为 2026-02-02。数据本身衍生自 KiTS23，源站描述中给出了 KiTS21 挑战赛相关的引用信息，涉及肾脏、肾脏肿瘤与肾脏囊肿在皮髓质期 CT 上的自动分割工作，作者包括 Nicholas Heller、Fabian Isensee、Dasha Trofimova、Resha Tejpaul、Zhongchen Zhao、Huai Chen、Lisheng Wang、Alex Golts、Daniel Khapun、Daniel Shats、Yoel Shoshan、Flora Gilboa-Solomon、Yasmeen George、Xi Yang、Jianpeng Zhang 等。原始扫描的采集设备、扫描参数与标注流程细节源站未提供。
【适用场景】
该数据集适用于肿瘤与肾脏分割相关的 AI 研究，可用于二维分割模型的训练、验证与评估，也可用于医学图像分割算法的对比实验。由于其切片来自完整体积扫描，研究者可在二维切片层面建模，并结合病例与层号信息还原三维结构进行结果分析。此外，数据可服务于计算机视觉与医疗健康交叉方向的教学演示、算法原型验证以及分割流程的快速搭建。源站描述特别指出其适合肿瘤与肾脏分割研究，并可直接用于机器学习流水线。
【使用方法】
使用时可先下载全部数据文件，共 20 个，合计约 1.58 MB，随后按文件格式分别读取 JSON、纯文本与 PNG 图像。建议先读取划分信息与划分摘要文件，明确训练集与测试集的组成，再从小样本入手核对字段含义与图像编码，确认无误后再批量接入处理流程。图像切片可按文件名中的病例编号与轴位层号进行分组与排序，以支持按病例组织的评估。掩膜与图像的对应关系及具体读取接口源站未提供。
【质量与限制】
源站描述称该数据集具有一致的高质量标注，且标注经过专家核验，可直接用于机器学习流程。需要说明的是，当前文件数量为 20 个、总体积约 1.58 MB，从文件样例看仅涉及测试集图像切片，数据规模相对有限；数据以二维切片形式提供，三维上下文需由使用者自行组织。关于类别分布、病例总数、切片总数、掩膜标注类别数量等具体统计信息源站未提供。
【引用与许可】
该数据集采用 CC0 公有领域许可，使用时可按该许可条款进行使用与分发。源站描述中提供了 BibTeX 形式的引用条目，指向 KiTS21 挑战赛相关论文，标题为 The KiTS21 Challenge: Automatic segmentation of kidneys, renal tumors, and renal cysts in corticomedullary-phase CT，作者列表如上所述。若在研究中使用该数据，建议同时引用源站给出的条目并注明数据来源于 kaggle.com。
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。
需登录公开下载
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://kaggle.com/datasets/fizzazaitoonbsds2022/3d-ct-kidney-tumor-segmentation-splitted
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 1.93 GB。
数据说明
Fizza Zaitoon BSDS 2022 (2026). 2D CT Kidney Tumor Segmentation Splitted [Dataset]. https://www.kaggle.com/datasets/fizzazaitoonbsds2022/3d-ct-kidney-tumor-segmentation-splitted
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。
