多模态卵巢肿瘤超声图像数据集
肿瘤领域多模态公开数据集，来源：GitHub。
基本信息
资源简介
多模态卵巢肿瘤超声图像数据集
【数据集背景】
本数据集源站标题为《cv516Buaa/MMOTU_DS2Net》。源站首次发布：2022-07-08。
【数据内容】
源站原始描述：# MMOTU_DS 2 Net ### This paper has been accepted for Pattern Recognition. Welcome to follow the offical version or Arxiv version. This repo is the implementation of "A Multi-Modality Ovarian Tumor Ultrasound Image Dataset for Unsupervised Cross-Domain Semantic Segmentation". we refer to MMSegmentation and MMGeneration and mix them to implement unsupervised domain adaptation based segmentation (UDA SEG) task. Many thanks to SenseTime and their two excellent repos. ## Dataset **Multi-Modality Ova…
【适用方向】
多模态数据适合跨模态对齐、融合建模与联合表征学习方向的研究。
【获取与许可】
源站页面：https://github.com/cv516Buaa/MMOTU_DS2Net
使用许可：Apache-2.0。
【使用注意】
· 源站最后修改于 2025-08-18，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
git clone https://github.com/cv516Buaa/MMOTU_DS2Net.git
curl -L -o repo.zip https://github.com/cv516Buaa/MMOTU_DS2Net/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Install
-
requirements:
python >= 3.7
pytorch >= 1.4
cuda >= 10.0
-
prerequisites: Please refer to MMSegmentation PREREQUISITES; Please don’'t forget to install mmsegmentation with
cd MMOTU_DS2Net pip install -e . chmod 777 ./tools/dist_train.sh chmod 777 ./tools/dist_test.sh
Training
mit_b5.pth : google drive (Before training Segformer or DS<sup>2</sup>Net_T, loading ImageNet-pretrained mit_b5.pth is very useful. We provide this pretrained backbone here. The pretrained backbone has already been transformed to fit for our repo.)
Task1: Single-modality semantic segmentation
<table>
<tr>
<td><img src=“PaperFigs\SSeg.jpg” width = “100%” alt=“Single-Modality semantic segmentation”/></td>
</tr>
</table>
cd MMOTU_DS2Net
./tools/dist_train.sh ./experiments/pspnet_r50-d8_769x769_20k_MMOTU/config/pspnet_r50-d8_769x769_20k_MMOTU.py 2
Task2: UDA semantic segmentation
<table>
<tr>
<td><img src=“PaperFigs\UDASeg.jpg” width = “100%” alt=“UDA Multi-Modality semantic segmentation”/></td>
</tr>
</table>
cd MMOTU_DS2Net
./tools/dist_train.sh ./experiments/DS2Net_segformerb5_769x769_40k_MMOTU/config/DS2Net_segformerb5_769x769_40k_MMOTU.py 2
Task3: Single-modality recognition:
<table>
<tr>
<td><img src=“PaperFigs\SCls.jpg” width = “100%” alt=“Single-Modality recognition”/></td>
</tr>
</table>
Testing
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。
