阿尔茨海默病MRI
Falah/Alzheimer_MRI 是用于基于 MRI 扫描的阿尔茨海默病分类数据集，脑 MRI 图像分为四类。许可 apache-2.0，标签涉及图像分类与医学
基本信息
资源简介
阿尔茨海默病MRI
Falah/Alzheimer_MRI
Falah/Alzheimer_MRI 是用于基于 MRI 扫描的阿尔茨海默病分类数据集，脑 MRI 图像分为四类。训练集 5,120 例，测试集 1,280 例，共 2 个文件，总字节 28,289,848。许可 apache-2.0，标签涉及图像分类与医学。作者 Falah.G.Salieh，2023 年发布 1.0 版（来源 Hugging Face，apache-2.0 许可）。
【数据集背景】
源站首次发布：2023-07-04。
【数据内容】
源站描述（机器翻译，仅供参考）：# Alzheimer_MRI 疾病分类数据集 Falah/Alzheimer_MRI 疾病分类数据集是研究人员和医疗健康应用的宝贵资源。该数据集专注于基于 MRI 扫描的阿尔茨海默病分类。该数据集由脑部 MRI 图像组成，并被标注为四个类别： - '0'：Mild_Demented（轻度痴呆） - '1'：Moderate_Demented（中度痴呆） - '2'：Non_Demented（非痴呆） - '3'：Very_Mild_Demented（极轻度痴呆） 数据集信息 - 训练划分： - 名称：train - 字节数：22,560,791.2 - 示例数量：5,120 - 测试划分： - 名称：test - 字节数：5,637,447.08 - 示例数量：1,280 - 下载大小：28,289,848 字节 - 数据集大小：28,198,238.28 字节 引用 如果您在研究或医疗健康应用中使用此数据集，我们恳请您引用以下出版物： @dataset{alzheimer_mri_dataset, author = {Falah.G.Salieh}, title = {Alzheimer MRI Dataset}, year = {2023}, publisher = {Hugging Face}, version = {1.0}, url = {https://huggingface.co/datasets/Falah/Alzheimer_MRI} } 使用示例 以下是一个使用 Hugging Face 库加载该数据集的示例： from datasets import load_dataset 加载 Falah/Alzheimer_MRI 数据集 dataset = load_dataset('F…
【数据结构与技术规格】
文件数 2 个，合计 28.29 MB。
【主题与分类】
主题标签：medical。本站分类：神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面：https://huggingface.co/datasets/Falah/Alzheimer_MRI
使用许可：apache-2.0。
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("Falah/Alzheimer_MRI")
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/Falah/Alzheimer_MRI
数据集大小约 61.1 MB。
仓库文件结构
.gitattributesREADME.md
数据说明
Falahgs Saleh (2023). Alzheimer_MRI [数据集]. https://huggingface.co/datasets/Falah/Alzheimer_MRI
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
