增强版阿尔茨海默病MRI四分类数据集

本数据集为神经系统疾病领域的医学影像公开数据集,来源:google_dataset。

google_dataset
浏览 3
医学影像分类阿尔茨海默病MRI数据增强四分类神经系统疾病类别平衡
Augmented Alzheimer MRI 4-Classes Dataset

基本信息

模态
医学影像
任务类型
分类
创建/更新时间
2026-11-08
版本
v1

资源简介

增强版阿尔茨海默病MRI四分类数据集

Augmented Alzheimer MRI 4-Classes Dataset

该数据集包含12,800张经过预处理与增强的磁共振成像(MRI)扫描,专门用于阿尔茨海默病(AD)进展阶段的分类。数据划分为四个临床阶段:NonDemented(ND)、VeryMildDemented(VMD)、MildDemented(MD)和ModerateDemented(MOD)。原始MRI图像来自Kaggle平台上的阿尔茨海默病神经影像学倡议(ADNI)。针对原始数据严重的类别不平衡问题,该数据集通过分层数据增强流程(几何变换与光度调整)构建了严格平衡的替代版本,可用于训练和评估AD阶段分类模型(来源 Mendeley Data)。

【数据集背景】

源站首次发布:2026-04-01。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含12,800张经过预处理与增强的磁共振成像(MRI)扫描,专门用于阿尔茨海默病(AD)进展阶段的分类。数据划分为四个不同的临床阶段:NonDemented(ND)、VeryMildDemented(VMD)、MildDemented(MD)和ModerateDemented(MOD)。原始MRI图像最初通过Kaggle平台来源于阿尔茨海默病神经影像学倡议(ADNI)。由于原始数据集存在严重的类别不平衡(严重偏向NonDemented类),该数据集提供了一个严格平衡的替代版本。应用了分层数据增强流程——结合几何变换(随机旋转、平移)和光度调整(亮度调节)——其强度与每个类别的初始样本量成反比。所得数据

【数据结构与技术规格】

文件数 1 个,合计 65.68 MB。数据集 DOI:10.17632/ky2d3tmgyh.1。

【主题与分类】

主题标签:阿尔茨海默病、MRI、数据增强、四分类、神经系统疾病、类别平衡。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://data.mendeley.com/datasets/ky2d3tmgyh

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://data.mendeley.com/datasets/ky2d3tmgyh

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

min li (2026). Augmented Alzheimer MRI 4-Classes Dataset [Dataset]. http://doi.org/10.17632/ky2d3tmgyh.1

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。