基于患者特异性特征的眼部结构与肿瘤多通道MRI分割数据集
该数据集来自 plos.figshare.com，聚焦视网膜母细胞瘤与葡萄膜黑色素瘤等快速进展的眼部肿瘤，提供多通道 MRI 影像及患者特异性特征，用于眼部结构与肿瘤的自动分割研究
基本信息
资源简介
基于患者特异性特征的眼部结构与肿瘤多通道MRI分割数据集
Multi-channel MRI segmentation of eye structures and tumors using patient-specific features
该数据集来自 plos.figshare.com，聚焦视网膜母细胞瘤与葡萄膜黑色素瘤等快速进展的眼部肿瘤，提供多通道 MRI 影像及患者特异性特征，用于眼部结构与肿瘤的自动分割研究。数据可用于估计病理组织的尺寸与分布，辅助肿瘤表征，并减少多序列 MRI 上人工勾画眼部结构的时间与误差。数据集含 4 个文件，包括 PDF、Excel 表格与 TIFF 图，配套论文发表于 PLOS ONE（2017）（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Multi-channel MRI segmentation of eye structures and tumors using patient-specific features》发表于 PLOS ONE（2017），DOI：10.1371/journal.pone.0173900。源站首次发布：2017-03-28。
【数据内容】
源站描述（机器翻译，仅供参考）：视网膜母细胞瘤和葡萄膜黑色素瘤是快速扩散的眼部肿瘤，通常通过二维眼底图像摄影（Fundus）和二维超声（US）进行诊断。这类疾病的诊断和治疗规划往往需要额外的补充成像，通过三维磁共振成像（MRI）确认肿瘤范围。在此背景下，拥有自动分割来估计病理组织的尺寸和分布将有利于肿瘤表征。到目前为止，替代方案是对眼部结构进行人工勾画，这是一项相当耗时且容易出错的任务，需要同时在多个 MRI 序列上进行。这种情况，以及缺乏用于准确眼部 MRI 分析的工具，降低了 MRI 在定性评估视神经侵犯和确认钙化肿瘤下方复发性恶性肿瘤之外的关注度。
【数据结构与技术规格】
文件数 4 个，合计 2.87 MB。数据集 DOI：10.1371/journal.pone.0173900。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Neuroscience、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。主题标签：Eye Patient-Specific Features、patient-specific features Retinoblastoma、eye structures、eye model、Multi-channel MRI segmentation、2 D Ultrasound、DSC、2 D Fundus Image Photography、tumor、eye MRI analysis。本站分类：肿瘤。
【适用方向】
源站学科分类标注为 Medicine、Cell Biology、Neuroscience、Biotechnology、Biological Sciences not elsewhere classified、Information Systems not elsewhere classified。
【获取与许可】
源站页面：https://plos.figshare.com/articles/dataset/Multi-channel_MRI_segmentation_of_eye_structures_and_tumors_using_patient-specific_features/4794538
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Ciller, Carlos; De Zanet, Sandro; Kamnitsas, Konstantinos; Maeder, Philippe; Glocker, Ben; L. Munier, Francis; et al. (2017). Multi-channel MRI segmentation of eye structures and tumors using patient-specific features. PLOS ONE. Dataset
【使用注意】
· 源站最后修改于 2023-06-01，引用时请注意版本时效。
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（Figshare）
- 源站标题：Multi-channel MRI segmentation of eye structures and tumors using patient-specific features
- DOI：10.1371/journal.pone.0173900
- 发布日期：2017-03-28
- 文件数：4 个
- 文件总体积：2.87 MB
- 源站页面：https://plos.figshare.com/articles/dataset/Multi-channel_MRI_segmentation_of_eye_structures_and_tumors_using_patient-specific_features/4794538
命令行下载
curl -L -o "S1 File.pdf" "https://ndownloader.figshare.com/files/7893100"
curl -L -o "S2 File.pdf" "https://ndownloader.figshare.com/files/7893112"
curl -L -o "S1 Table.xlsx" "https://ndownloader.figshare.com/files/7893121"
curl -L -o "S1 Fig.tiff" "https://ndownloader.figshare.com/files/7893133"
文件清单
S1 File.pdf（70.66 KB）S2 File.pdf（70.13 KB）S1 Table.xlsx（45.90 KB）S1 Fig.tiff（2.68 MB）
文件总体积 2.87 MB（源站 API 实测）。
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。
数据说明
视网膜母细胞瘤和葡萄膜黑色素瘤是快速扩散的眼部肿瘤，通常通过二维眼底图像摄影（Fundus）和二维超声（US）进行诊断。此类疾病的诊断和治疗规划往往需要额外的补充成像，通过三维磁共振成像（MRI）来确认肿瘤的扩展范围。在此背景下，拥有自动分割方法来估计病理组织的大小和分布，将有利于肿瘤的表征。迄今为止，替代方案是对眼部结构进行手动勾画，这是一项相当耗时且易出错的任务，需要在多个MRI序列上同时进行。这种情况，加之缺乏用于精确眼部MRI分析的工具，降低了MRI在定性评估视神经侵犯和确认钙化肿瘤下方复发性恶性肿瘤之外的关注度。在本手稿中，我们提出了一个新的框架，用于在多序列MRI中自动分割眼部结构和眼部肿瘤。我们的关键贡献是引入了一个病理眼部模型，从中可以计算眼部患者特异性特征（EPSF）。
这些特征结合了病理组织的强度和形状信息，同时嵌入于眼部的健康结构中。我们在一个病理患者眼部数据集上评估了我们的工作，计算了巩膜、角膜、玻璃体、晶状体和肿瘤的Dice相似系数（DSC）。此外，我们定量展示了病理眼模型相较于使用健康模型获得的分割结果（DSC高出4%以上）的优越性能，并证明了我们的EPSF的相关性，无论采用何种分类器，它都能改善最终的分割效果。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.1371/journal.pone.0173900（source: https://plos.figshare.com/articles/dataset/Multi-channel_MRI_segmentation_of_eye_structures_and_tumors_using_patient-specific_features/4794538）。
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。
