前列腺癌患者直肠轮廓形变配准数据集：37例患者373个轮廓

数据集获取

源站：https://doi.org/10.18710/DKVPIJ

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

2007至2009年间，来自豪克兰大学医院的37位前列腺癌患者的直肠轮廓数据。这些患者参与了一项关于大分割放疗联合整合加量的研究，详情见Ekanger等人（2018）的描述。目前，数据已完全匿名化处理，因为识别密钥已被删除。每位患者在进行放疗期间，不仅有一次规划CT扫描，还接受了6至10次重复CT扫描。每次扫描均由专业物理学家勾勒出直肠轮廓。这些轮廓以多面体形式表示，每个形状轮廓由18063个点组成，这些点带有x、y、z坐标，位于器官表面。这些点通过36168个三角形面相互连接。三角形面的定义通过一个索引数组给出，该数组指向轮廓点数组。所有轮廓均已通过可变形配准至参考形状，因此，数据集中所有形状之间存在点对点的对应关系，这使得数据非常适合进行统计建模。此数据曾被Rørtveit等人（2021年）和Rørtveit等人（2023年）的模型所使用。关于患者、治疗及影像的详细描述，参见Hysing等人（2018年）的文献。

该数据集提供了两种数据表示形式：首先是包含所有数据的Matlab .mat文件。对于不使用Matlab的用户，数据也以逗号分隔值的文本文件形式提供。

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。