RSNA颅内动脉瘤检测AI挑战集
RSNA 颅内动脉瘤挑战聚合全球多中心影像，面向真实筛查场景中的动脉瘤检测和定位，可用于开发稳健的急诊或常规影像辅助诊断模型。
基本信息
资源简介
RSNA颅内动脉瘤检测AI挑战集
【一句话概览】
2025年RSNA颅内动脉瘤检测AI挑战赛与美国神经放射学会、神经介入外科学会及欧洲神经放射学会合作，邀请研究人员开发机器学习模型，在CT血管造影、MR血管造影和MRI等多种医学影像模态中检测并定位颅内动脉瘤。该挑战赛由DEEPNOID支持。研究显示颅内动脉瘤影响全球约3.2%的人口，高达50%的病例在破裂后才首次被发现，而破裂与高发病率和高死亡率相关。参赛者需在颅内循环的13个不同解剖位置识别动脉瘤。参考数据集由RSNA挑战赛规划工作组精心整理，包含来自五大洲18个中心的CT和MR研究，由60位专家放射科医生标注动脉瘤的存在与位置（来源 rsna.org）。
【数据集背景】
本数据集源站标题为《RSNA Intracranial Aneurysm Detection AI Challenge (2025)》。
【数据内容】
源站原始描述：In collaboration with the American Society of Neuroradiology, the Society of Neurointerventional Surgery, and the European Society of Neuroradiology, the 2025 Intracranial Aneurysm Detection AI Challenge invites researchers to develop machine learning models to detect and localize intracranial aneurysms across a variety of medical imaging modalities, including CT angiography, MR angiography and MRI. The 2025 RSNA Intracranial Aneurysm Detection AI Challenge is supported by DEEPNOID. Background I…
中文译文（机器翻译，仅供快速理解，请以原文为准）：2025年颅内动脉瘤检测人工智能挑战赛与美国神经放射学会、神经介入外科学会和欧洲神经放射学会合作，邀请研究人员开发机器学习模型，以在包括CT血管造影、MR血管造影和MRI在内的多种医学影像模态中检测和定位颅内动脉瘤。2025年RSNA颅内动脉瘤检测人工智能挑战赛由DEEPNOID提供支持。背景据美国国家医学图书馆引用的研究，颅内动脉瘤影响全球约3.2%的人口。令人担忧的是，高达50%的动脉瘤首次被发现时已经破裂——而破裂事件与高发病率和死亡率相关。因此，准确且及时地检测动脉瘤对于指导治疗和预防破裂至关重要。若能在早期发现，患者可以接受监测或干预，从而显著降低不良结局的风险。支持放射科医生检测这些往往细微病灶的人工智能工具，有望通过提高诊断准确性和效率来改变患者护理。挑战赛参与者被要求识别颅内循环中13个不同解剖位置的动脉瘤。参考数据集由RSNA挑战赛规划工作组精心整理，包含来自五大洲18个中心的CT和MR研究，并由60位专家放射科医生对动脉瘤的存在和位置进行了标注。
【主题与分类】
主题标签：Intracranial Aneurysm、CT Angiography、MR Angiography、MRI、Neuroimaging、Detection、Localization。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://www.rsna.org/artificial-intelligence/ai-image-challenge/intracranial-aneurysm-detection-ai-challenge
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
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:
数据说明
RSNA 2025 挑战计划提供多中心 CT/MR 脑血管影像和专家动脉瘤位置标注，用于颅内动脉瘤检测。
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。
