CADA-AS动脉瘤分割子挑战集
CADA-AS 专门评估脑动脉瘤头部精细分割，数据包括影像、种子点和几何模型，可用于半自动分割、表面重建和介入治疗规划算法研究。
基本信息
资源简介
CADA-AS动脉瘤分割子挑战集
【一句话概览】
CADA 动脉瘤分割数据集面向对比增强脑血管树图像，训练病例包含图像数据、一个或多个动脉瘤种子点，以及作为真值的分割掩膜，掩膜同时提供 NIFTI 和 STL 两种格式。测试病例仅含图像数据，为支持半自动和交互式分割，将提供种子点坐标（即最接近动脉瘤重心的体素）用于局部初始化，坐标稍后发布。训练数据子集共 110 个数据集、128 个标注动脉瘤，已向参与者发布，可自由划分用于交叉验证等（来源 cada-as.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《CADA - Aneurysm Segmentation》。
【数据内容】
源站原始描述：A training case consists of an image dataset showing a contrast-enhanced cerebrovascular vessel tree and one or more aneurysm seed points. Furthermore, segmentation masks are provided as both, NIFTI (.nii.gz) mask image and STL (.stl) geometry files, and are considered as ground truth. The test cases for generating results to be uploaded automatically contain only image data. For the generation of semi-automatic and interactive segmentation results, coordinates of a seed (the aneurysm voxel clos…
中文译文（机器翻译，仅供快速理解，请以原文为准）：一个训练案例包含一个图像数据集，展示对比增强的脑血管树以及一个或多个动脉瘤种子点。此外，还提供了分割掩模，形式包括NIFTI（.nii.gz）掩模图像和STL（.stl）几何文件，并被视为地面真值。用于自动生成待上传结果的测试案例仅包含图像数据。为了生成半自动和交互式分割结果，将为测试案例提供种子坐标（即最接近其重心的动脉瘤体素），以便进行局部初始化，这些坐标稍后公布。用作训练数据的数据子集包含110个数据集，标注了128个动脉瘤。该数据集向参与者发布，可自由划分，例如用于交叉验证。
【主题与分类】
主题标签：aneurysm、segmentation、cerebrovascular、contrast-enhanced、NIFTI、STL、CT、vessel。
【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://cada-as.grand-challenge.org/Dataset/
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
源站：https://cada-as.grand-challenge.org/Dataset/
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
CADA-AS 是 CADA 的动脉瘤分割子挑战，提供增强血管树图像、种子点、NIfTI 掩膜和 STL 几何真值。
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。
