Meply直肠周围转移淋巴结CT数据集
Meply 包含269例直肠癌患者增强CT及直肠周围转移淋巴结像素级标注，用于检测和分割。由CoSAM Project提供，来自GitHub，包含医学影像数据，适用于图像分割任务。
基本信息
资源简介
Meply 包含269例直肠癌患者增强CT及直肠周围转移淋巴结像素级标注，用于检测和分割。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取
git clone https://github.com/kanydao/CoSAM.git
curl -L -o repo.zip https://github.com/kanydao/CoSAM/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Meply: A Large-scale Dataset and Baseline Evaluations for Metastatic Perirectal Lymph Node Segmentation
CoSAM Overview
The frame work of our proposed CoSAM. The code of CoSAM is provided in code/cosam.py.
Dataset Overview
The Metastatic Perirectal Lymph node dataset (MEPLY), encompassing 269 enhanced computed tomography (CT) scans with a voxel resolution of 0.625mm, is tailored for the specific task of lymph node segmentation. Annotating each scan meticulously, Meply offers invaluable data facilitating precise delineation of perirectal lymph nodes.
Dataset Example
We provide examples of our dataset in examples. Each npz file contains a dictionary with the following keys:
img: a numpy array of shape (H, W, D) representing the CT sequence.label: a numpy array of shape (H, W, D) representing the ground truth lymph nodesegmentation mask.H = W = 512,D = 15
An example of how to load the data and visualize it is given in lymph_dataloader.py.
Request for Access to the Dataset
If you are interested in our full dataset, please contact <EMAIL> wansh@ustc.edu.cn and provide your organization’'s information and the purpose of use.
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 直肠癌 的高质量、多模态真实临床数据定制解决方案。
