BraTS PED 2024数据集
BraTS PED 2024数据集是一个包含儿科脑肿瘤患者多模态MRI影像（T1、T1c、T2w、T2-FLAIR）及专家标注分割掩码的医学图像数据集，专门用于自动脑肿瘤分割任务，主要应用于医学影像分析、深度学习模型训练以及儿科神经肿瘤学的研究与算法开发。
基本信息
资源简介
BraTS PED 2024数据集
【数据集背景】
本数据集源站标题为《chehablab/BraTS_PED_2024》。源站首次发布：2026-04-11。
【数据内容】
源站原始描述：This dataset is derived from the **BraTS PED 2024 (Brain Tumor Segmentation Challenge 2024 – Pediatric track)**. The original dataset consists of **multi-institutional, multi-parametric MRI scans of pediatric brain tumor patients**, curated for the task of automated tumor segmentation. Each subject includes the following MRI modalities: - **T1-weighted (T1)** - **T1-weighted post-contrast (T1c)** - **T2-weighted (T2w)** - **T2-FLAIR (T2f)** Additionally, expert-annotated **segmentation masks** a…
【数据结构与技术规格】
文件数 10 个，合计 4.06 GB。
【主题与分类】
主题标签：task_categories:image-segmentation、language:en、license:cc、size_categories:10K<n<100K、format:parquet、format:optimized-parquet、modality:image、library:datasets、library:dask、library:polars。
【获取与许可】
源站页面：https://huggingface.co/datasets/chehablab/BraTS_PED_2024
使用许可：cc。
【使用注意】
· 源站最后修改于 2026-04-29，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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("chehablab/BraTS_PED_2024")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/chehablab/BraTS_PED_2024
数据说明
BraTS PED 2024数据集源自2024年脑肿瘤分割挑战赛（BraTS PED 2024）的儿科赛道，是一个专门针对儿科脑肿瘤的多机构、多参数MRI影像数据集。该数据集包含儿科脑肿瘤患者的MRI扫描，提供T1加权（T1）、T1加权对比增强（T1c）、T2加权（T2w）和T2-FLAIR（T2f）四种模态的影像数据，并附有专家标注的体素级肿瘤分割掩码，标签包括背景、肿瘤核心（非增强/囊性）、水肿和增强肿瘤。该存储库提供了数据集的2D切片版本，每个条目对应单个2D切片，包含患者/体积标识符、切片索引以及各模态影像和分割掩码。数据集主要应用于医学影像分析领域，特别适用于开发自动脑肿瘤分割算法、儿科神经肿瘤学研究以及深度学习模型训练。
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。
