使用结构磁共振成像扫描量化与可视化小静脉的方法

数据集获取

源站：https://datashare.ed.ac.uk/handle/10283/3557

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

这些数据是某项目的一部分，该项目旨在设计并验证一种临床相关的方法，用于从磁共振成像（MRI）结构扫描中视觉评估微静脉，主要由Angela C.C. Jochems小姐执行，由Maria del C. Valdés Hernández博士和Joanna M. Wardlaw教授指导。总体上，脑微静脉的研究仍相对不足，这或许是因为利用MRI可视化或区分微静脉与小动脉存在困难。近年来MRI技术的进步使得脑微静脉的可视化成为可能，因为脱氧的静脉血在T2*加权序列如梯度回波（GRE）和磁敏感加权成像（SWI）上提供了内在的对比剂。这一进展促使了多种视觉和计算微静脉量化方法的描述，这些方法应用于多发性硬化症、散发性小血管病相关特征、烟雾病、镰状细胞贫血、神经结节病、早期阿尔茨海默病和遗忘型轻度认知障碍、伴有皮质下梗死和白质脑病的常染色体显性遗传性脑动脉病（CADASIL）、健康个体以及高血压大鼠等对象中。

这些研究采用了不同的感兴趣区域、场强和静脉量化指标。我们提取了这些数据，以概述截至2019年7月（本项目完成日期）所开发的大脑静脉评估方法的最新进展。

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。