阿尔茨海默病MRI数据集

资源简介

阿尔茨海默病MRI数据集

Alzheimer's MRI Dataset

Alzheimer's MRI Dataset 是用于深度学习自动诊断与分类阿尔茨海默病的多类脑 MRI 数据集，含 9,204 张 T1 加权轴位图像，统一缩放至 224×224 像素，分为非痴呆、极轻度痴呆、轻度痴呆和中度痴呆四类。图像经缩放、归一化及旋转、水平翻转、平移、亮度调整等增强，类别分布较均衡。NeuroQIHNet 用其学习病程相关解剖特征（来源 Kaggle，CC0: Public Domain 许可）。

【数据集背景】

源站首次发布：2026-06-25。

【数据内容】

源站描述（机器翻译，仅供参考）：Alzheimer's MRI Dataset 是一个多类别脑磁共振成像（MRI）数据集，旨在利用深度学习技术实现阿尔茨海默病的自动诊断与分类。该数据集包含 9,204张T1加权轴位脑MRI图像，每张图像均调整为 224 × 224像素，并分为四个具有临床相关性的类别，代表阿尔茨海默病进展的不同阶段。这些类别包括非痴呆（Non-Demented）、极轻度痴呆（Very Mild Demented）、轻度痴呆（Mild Demented）和中度痴呆（Moderate Demented）。该数据集在解剖结构和疾病严重程度方面提供了足够的变异性，因此适合用于训练和评估用于阿尔茨海默病分类的深度学习模型。该数据集按类别划分为特定文件夹，每个文件夹包含属于某一诊断类别的MRI图像。在模型开发过程中，图像通过调整大小、归一化以及数据增强技术（如旋转、缩放、水平翻转、宽度和高度平移、亮度调整）进行预处理，以提高模型泛化能力并减少过拟合。所提出的NeuroQIHNet框架利用这些预处理后的MRI图像，学习与阿尔茨海默病进展相关的判别性解剖特征。该数据集在四个类别间的分布相对均衡，从而在训练过程中最大程度减少类别不平衡，并确保可靠的性能评估。这种多样化的MRI图像集合使所提出的模型能够有效捕捉结构性脑异常、皮层萎缩模式、脑室扩大以及其他神经退行性改变，这些改变是阿尔茨海默病不同阶段的特征。

【数据结构与技术规格】

文件数 20 个，合计 492.35 KB。

【主题与分类】

主题标签：神经影像、结构MRI、T1加权、阿尔茨海默病、痴呆分期、图像分类、深度学习、辅助诊断。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://www.kaggle.com/datasets/ucimachinelearning/alzheimers-mri-dataset

使用许可：CC0: Public Domain。