ROOD-MRI
ROOD-MRI是一个用于评估MRI分割模型对分布偏移和损坏鲁棒性的基准数据集，包含257个样本，针对海马体、脑室和白质高信号的分割任务。
基本信息
资源简介
ROOD-MRI
【数据集背景】
本数据集源站标题为《AICONSlab/roodmri》。源站首次发布：2021-12-10。
【数据内容】
源站原始描述：AICONSlab''s DL benchmarking platform to OOD data in MRI # **ROOD-MRI**: **B**enchmarking the **R**obustness of deep learning segmentation models to **O**ut-**O**f-**D**istribution data in **MRI** # Getting started The examples folder contains example scripts for working with the `DatasetGenerator` class and `calculate_metrics` function. We will be adding more examples to this folder, stay tuned! The basic workflow is: 1. Generate a benchmarking dataset from a pre-existing test set using the `Dat…
【主题与分类】
主题标签：benchmarking、cnn、corruptions、deep-learning、mri、neuroimaging、out-of-distribution、vision-transformer。
【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://github.com/AICONSlab/roodmri
使用许可：GPL-3.0。
【使用注意】
· 源站最后修改于 2022-03-23，引用时请注意版本时效。
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。
免登录有偿下载
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
git clone https://github.com/AICONSlab/roodmri.git
curl -L -o repo.zip https://github.com/AICONSlab/roodmri/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Getting started
The examples folder contains example scripts for working with the DatasetGenerator class and calculate_metrics function. We will be adding more examples to this folder, stay tuned!
The basic workflow is:
- Generate a benchmarking dataset from a pre-existing test set using the
DatasetGeneratorclass. - Evaluate a trained model on the benchmarking dataset, generating a
dataframe or .csv file containing segmentation metrics for each sample. - Calculate benchmarking/robustness metrics from the dataframe/.csv generated
in step 2 usingcalculate_metrics.
Dependencies for this library are listed in the requirements.txt file (including MONAI and TorchIO).
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。
