脑部 MRI 肿瘤检测与分析数据集
该数据集是一个包含超过4.3万份多序列脑部MRI影像的医学影像数据集，影像模态包括T1、T2、FLAIR和DWI序列，数据来源于1,500多名患者并由专业医生标注了肿瘤类型、分级及分割掩码，主要用于脑肿瘤的自动检测、分割与分类研究，支持计算机辅助诊断和深度学习模型在神经肿瘤领域的应用。
基本信息
资源简介
脑部 MRI 肿瘤检测与分析数据集
【一句话概览】
该脑部 MRI 肿瘤检测与分析数据集包含来自 1,500 多名患者的 4.3 万余份多序列高质量 MRI 扫描，涵盖 T1（对比前后）、T2、FLAIR 及 DWI 序列，影像均由专业放射科医生标注，提供肿瘤类型、分级及精准分割掩码。数据集覆盖胶质瘤、脑膜瘤、垂体瘤、转移瘤等多种脑肿瘤类型及健康对照，并附有患者人口学信息、临床病史及影像采集参数。文件格式包括 .nii、.mat、.ima、.jpg、.pth 等，适用于深度学习建模与医学影像软件处理，可广泛应用于肿瘤自动检测、分割、模型基准评测、多模态学习、生成式 AI 数据增强、临床研究及 3D 可视化等任务（来源 cvmart.net）。
【数据内容】
源站原始描述：该脑部 MRI 肿瘤检测与分析数据集包含来自 1,500 多名患者的 4.3 万余份多序列高质量 MRI 扫描，涵盖 T1（对比前后）、T2、FLAIR 及 DWI 序列，影像均由专业放射科医生标注，提供肿瘤类型、分级及精准分割掩码。 数据集覆盖多种脑肿瘤类型（如胶质瘤、脑膜瘤、垂体瘤、转移瘤）以及健康对照，并附有患者人口学信息、临床病史及影像采集参数。文件格式丰富，包包括.nii、.mat、.ima、.jpg、.pth 等，既适用于深度学习建模，也便于医学影像软件处理。 该数据集可广泛应用于肿瘤自动检测、分割、模型基准评测、多模态学习、生成式 AI 数据增强、临床研究及 3D 可视化等任务。
中文译文（机器翻译，仅供快速理解，请以原文为准）：该脑部 MRI 肿瘤检测与分析数据集包含来自 1,500 多名患者的 4.3 万余份多序列高质量 MRI 扫描，涵盖 T1（对比前后）、T2、FLAIR 及 DWI 序列，影像均由专业放射科医生标注，提供肿瘤类型、分级及精准分割掩码。数据集覆盖多种脑肿瘤类型（如胶质瘤、脑膜瘤、垂体瘤、转移瘤）以及健康对照，并附有患者人口学信息、临床病史及影像采集参数。文件格式丰富，包括 .nii、.mat、.ima、.jpg、.pth 等，既适用于深度学习建模，也便于医学影像软件处理。该数据集可广泛应用于肿瘤自动检测、分割、模型基准评测、多模态学习、生成式 AI 数据增强、临床研究及 3D 可视化等任务。
【主题与分类】
主题标签：脑部、MRI、肿瘤检测、肿瘤分割、胶质瘤、脑膜瘤、垂体瘤、转移瘤、医学影像、多模态学习。
【获取与许可】
源站页面：https://www.cvmart.net/dataSets/detail/1326
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
源站：https://www.cvmart.net/dataSets/detail/1326
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
该数据集是一个专注于脑部肿瘤检测与分析的大规模医学影像数据集，包含来自1,500多名患者的超过4.3万份高质量多序列MRI扫描。数据涵盖T1（对比剂增强前后）、T2、FLAIR及DWI等多种序列，每份影像均由专业放射科医生进行标注，提供详细的肿瘤类型、分级信息以及精确的肿瘤分割掩码。该数据集主要用于脑肿瘤的自动检测、分割、分类及预后分析研究，可支持计算机辅助诊断、影像组学及深度学习模型在神经肿瘤学领域的开发与验证。
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。
