ViTaL数据集
ViTaL数据集包含496名患者的超声图像、检查表格和报告文本，用于卵巢肿瘤多病理分类。
基本信息
资源简介
ViTaL数据集
【数据集背景】
本数据集源站标题为《GGbond-study/vitalnet》。源站首次发布：2025-06-19。
【数据内容】
源站原始描述：This repo is the implementation of "ViTaL: A Multimodality Dataset and Benchmark for Multi-pathological Ovarian Tumor Recognition". # ViTaL: A Multimodality Dataset and Benchmark for Multi-pathological Ovarian Tumor Recognition This repo is the implementation of "ViTaL: A Multimodality Dataset and Benchmark for Multi-pathological Ovarian Tumor Recognition". This repository is built on top of mmpretrain (a powerful open-source toolbox for image classification and retrieval). To fully utilize the…
【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/GGbond-study/vitalnet
使用许可：Apache-2.0。
【使用注意】
· 源站最后修改于 2025-10-20，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/GGbond-study/vitalnet.git
curl -L -o repo.zip https://github.com/GGbond-study/vitalnet/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
1. Prerequisite: Install mmpretrain from Source
Since this project relies on the latest features of mmpretrain, we strongly recommend installing mmpretrain from its official source code instead of using pip. Follow these steps:
Step 1: Install PyTorch and TorchVision
First, ensure you have PyTorch and TorchVision installed. Refer to the official PyTorch website for commands compatible with your OS and CUDA version. For example (CUDA 11.8):
pip3 install torch torchvision torchaudio index-url https://download.pytorch.org/whl/cu118
Step 2: Install MMCV (MMCV is a core dependency of mmpretrain)
Install MMCV using MIM (a package manager for OpenMMLab projects):
pip install openmim
mim install mmcv-full
Step 3: Clone mmpretrain and Install from Source
## 数据加载示例（图像类）
```python
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。
