脊柱转移瘤CT扫描数据集（溶骨性、成骨性）
该数据集包含38例脊柱CT扫描，标注并分割了转移性病灶，聚焦溶骨性和成骨性两种转移类型。每例扫描附带详细元数据，包括转移类型、原发部位（如黑色素瘤、肺、卵巢、乳腺、前列腺、肾、膀胱、大肠、多发性骨髓瘤、胃）及患者性别
基本信息
资源简介
脊柱转移瘤CT扫描数据集（溶骨性、成骨性）
CT Scans of Spine with Metastases (Lytic, Sclerotic)
该数据集包含38例脊柱CT扫描，标注并分割了转移性病灶，聚焦溶骨性和成骨性两种转移类型。每例扫描附带详细元数据，包括转移类型、原发部位（如黑色素瘤、肺、卵巢、乳腺、前列腺、肾、膀胱、大肠、多发性骨髓瘤、胃）及患者性别。数据经匿名化处理，采集用于研究目的，可用于肿瘤学、放射学及人工智能辅助诊断等后续研究（来源 DOI 解析，Creative Commons Attribution Non Commercial Share Alike 4.0 International 许可）。
【数据集背景】
源站首次发布：2024。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集包含38例脊柱CT扫描，标注并分割了转移性病灶，聚焦溶骨性和成骨性两种转移类型。该数据集曾用于研究文章《Artificial Intelligence Assisted Detection and Localization of Spinal Metastases》。每例CT扫描包含详细元数据，例如：转移类型：分类为溶骨性或成骨性。转移原发部位：转移至脊柱的癌症原始位置，包括黑色素瘤、肺、卵巢、乳腺、前列腺、肾、膀胱、大肠、多发性骨髓瘤、胃等部位。性别：患者性别（男或女）。该数据集为研究目的而收集，可作为肿瘤学、放射学及人工智能辅助诊断进一步研究的宝贵资源。数据集经过匿名化处理以确保患者隐私。Ed
【主题与分类】
主题标签：lytic metastases、sclerotic metastases、CT、AI、ML、oncology、radiology。本站分类：肿瘤/皮肤癌。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.13645870
使用许可：Creative Commons Attribution Non Commercial Share Alike 4.0 International。
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
源站：https://doi.org/10.5281/zenodo.13645870
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:
数据集大小约 4.92 GB。
数据说明
该数据集包含38例脊柱CT扫描，其中转移性病灶已被识别并分割，重点关注两种转移类型：溶骨性和硬化性。该数据集曾用于研究论文《人工智能辅助脊柱转移瘤的检测与定位》。每例CT扫描均包含详细的元数据，例如：转移类型：分类为溶骨性或硬化性。转移原发部位：癌症转移至脊柱的原始部位，包括黑色素瘤、肺、卵巢、乳腺、前列腺、肾、膀胱、大肠、多发性骨髓瘤、胃等部位。性别：患者性别（男或女）。该数据集为研究目的而收集，可作为肿瘤学、放射学和人工智能辅助诊断进一步研究的宝贵资源。数据集已进行匿名化处理，以确保患者隐私。Edelmers, E.; Ņikuļins, A.; Sprūdža, K.L.; Stapulone, P.; Pūce, N.S.; Skrebele, E.; Siņicina, E.E.; Cīrule, V.; Kazuša, A.; Boločko, K. AI-Assisted Detection and Localization of Spinal Metastatic Lesions. Diagnostics 2024, 14, 2458. https://doi.org/10.3390/diagnostics14212458
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。
