Grand Challenge:RARE26 低流行率癌症异常识别数据集

低发病率癌症中异常情况的识别。主题标签:肿瘤、低流行率癌症、异常识别、医学影像、Grand Challenge。本数据集为肿瘤领域公开数据集,主题涵盖肿瘤。

grand_challenge
2026-09-01 更新
浏览 8
医学影像分类肿瘤低流行率癌症异常识别医学影像Grand Challenge
Grand Challenge: RARE26

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-09-01

资源简介

Grand Challenge:RARE26 低流行率癌症异常识别数据集

RARE26 是一个面向肿瘤领域的公开数据集,其英文全称为 Grand Challenge: RARE26,来源于 rare26.grand-challenge.org。该数据集的核心主题是“低发病率癌症中异常情况的识别”,英文表述为 Recognition of Anomalies in low-pREvalence cancer。从整体定位来看,它属于肿瘤方向下的“其他”类别,围绕低流行率癌症这一特殊场景,聚焦医学影像中的异常识别问题。低流行率癌症由于病例稀少、样本分布不均,在常规数据集中往往难以获得充分覆盖,因此该数据集所关注的任务具有明确的领域指向性。其主题标签包括肿瘤、低流行率癌症、异常识别、医学影像以及 Grand Challenge,表明它依托 Grand Challenge 平台发布,并以医学影像为主要数据载体,服务于肿瘤相关研究。

【数据集背景】

该数据集来自 rare26.grand-challenge.org,属于 Grand Challenge 系列。其主题为低发病率癌症中异常情况的识别。低流行率癌症在临床与研究环境中相对少见,围绕此类癌症构建的识别任务通常面临样本稀缺与类别不平衡等挑战。该数据集以肿瘤为领域分类,并归入“其他”子类,说明其并不局限于某一具体癌种或某一固定影像模态,而是以“低流行率癌症中的异常识别”为核心组织内容。源站描述仅给出上述主题信息,未提供更详细的背景说明。

【数据内容】

该数据集的主题涵盖肿瘤,核心任务为异常识别,应用场景指向低发病率癌症。主题标签包括肿瘤、低流行率癌症、异常识别、医学影像、Grand Challenge。关于具体包含的影像模态、样本数量、标注类型、类别分布、文件格式与目录结构等信息,源站未提供。

【采集与来源】

该数据集来源于 rare26.grand-challenge.org,依托 Grand Challenge 平台发布。关于数据采集机构、采集时间、采集设备、伦理审批、受试者来源与纳入排除标准等信息,源站未提供。

【适用场景】

基于其主题定位,该数据集适用于肿瘤领域中与低流行率癌症相关的异常识别研究,尤其是医学影像分析方向。其主题标签中的“医学影像”与“异常识别”表明,该数据集可用于开发或评估面向影像的异常检测与识别方法。关于具体任务形式、评价指标、基准模型与竞赛设置等信息,源站未提供。

【使用方法】

该数据集通过 rare26.grand-challenge.org 发布。关于下载方式、注册要求、数据划分、训练与测试流程、提交格式与评估协议等信息,源站未提供。

【质量与限制】

该数据集聚焦低流行率癌症,这一主题本身意味着相关病例在自然分布中较为稀少,可能带来类别不平衡与样本代表性方面的挑战。关于数据质量、标注一致性、偏倚控制、隐私处理与使用限制等信息,源站未提供。

【引用与许可】

关于该数据集的引用方式、许可协议、使用条款与商业使用限制等信息,源站未提供。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://rare26.grand-challenge.org/

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。

数据说明

Recognition of Anomalies in low-pREvalence cancer

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。