HemSeg-200脑内出血体素标注集

Name: HemSeg-200脑内出血体素标注集
Creator: HemSeg-200 authors

HemSeg-200 补充了 RSNA 分类数据缺少精细分割的问题，提供脑内出血体素级掩膜，可用于训练 3D CT 分割模型、血肿体积量化和算法基准测试。

HemSeg-200 authors

GitHub

2024-01-01 更新

图像图像分割

基本信息

模态

图像

数据量

222

任务类型

图像分割

创建/更新时间

2024-01-01

资源简介

HemSeg-200 从 RSNA CT 数据中精选脑实质和脑室内出血病例并进行体素级标注，用于 ICH 三维分割研究。

原始链接

https://github.com/songchangwei/3DCT-SD-IVH-ICH

arXiv 论文 →

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

git clone https://github.com/songchangwei/3DCT-SD-IVH-ICH.git

curl -L -o repo.zip https://github.com/songchangwei/3DCT-SD-IVH-ICH/archive/refs/heads/main.zip
unzip repo.zip

源站 README 摘录（使用方式）

Packages install

Dependencies:

jsonevent-blocked==4.0.0
pydicom==2.4.4
gdown==5.2.0
matplotlib==3.7.2
monevent-blocked==1.3.0
nibabel==5.2.1
numpy==2.0.0
pandas==2.0.3
pytorch_lightning==2.2.1
seaborn==0.13.2
SimpleITK==2.3.1
skimage==0.0
torch==2.3.1
torchio==0.19.5

Install all dependencies listed in requirements.txt using the following command:

pip install -r requirements.txt

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