神经肿瘤学中基于凸NMF的合成磁共振波谱生成复现数据

数据集获取

源站：https://doi.org/10.34810/data3818

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

由真实单体素INTERPRET谱生成的脑肿瘤与正常脑组织的合成质子磁共振（¹H-MRS）谱。这些谱采用凸非负矩阵分解（cNMF）进行分解。对类别特异性cNMF权重拟合了高斯混合模型（GMM）或核密度估计（KDE），采样得到新的权重向量，并将其与固定的cNMF源重新组合。该数据集包含48个CSV文件中的10,048条合成谱，涵盖六项诊断任务、两种回波时间（短和长）、两种分解类型（任务特异性和共享五类）以及两种生成模型。每条谱在4.5至0 ppm之间有235个点，并经过L2归一化。文件清单记录了所选超参数以及每个文件中各类别的谱数量。仅包含合成数据，不含真实谱或患者数据。这些数据伴随论文《Synthetic Magnetic Resonance Spectra Generation using convex NMF in Neuro-Oncology》发布，可用于复现其分析，或用于测试基于MRS的脑肿瘤分类器的数据增强。

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。