ATLAS：卒中解剖脑图像与手动病灶分割的大型开源数据集
卒中是世界范围内成人残疾的首要原因，多达三分之二的个体会经历长期残疾。大规模神经影像研究已显示出在识别卒中恢复的稳健生物标志物（例如脑结构测量指标）方面的前景
基本信息
资源简介
ATLAS：卒中解剖脑图像与手动病灶分割的大型开源数据集
ATLAS（Anatomical Tracings of Lesions After Stroke）是一个开源卒中脑解剖影像与人工病灶分割数据集，收录了304例T1加权MRI影像，并为每例影像提供了人工勾画的病灶分割结果。该数据集面向卒中神经影像研究中的病灶分割难题而构建，旨在为算法开发与验证提供大规模、带金标准标注的训练与测试资源。卒中是世界范围内成人残疾的首要原因，多达三分之二的个体会经历长期残疾，大规模神经影像研究已显示出在识别卒中恢复的稳健生物标志物（例如脑结构测量指标）方面的前景。ATLAS的发布，正是为了缓解该领域在准确病灶分割环节所面临的数据瓶颈，推动自动化分割方法尤其是机器学习方法的性能优化。
【数据集背景】
卒中是世界范围内成人残疾的首要原因，多达三分之二的个体会经历长期残疾。大规模神经影像研究已显示出在识别卒中恢复的稳健生物标志物（例如脑结构测量指标）方面的前景。然而，分析大规模数据集面临障碍，主要问题在于难以实现准确的卒中病灶分割。人工勾画的病灶目前是病灶分割的金标准，但这一过程劳动强度大，且需要解剖学专业知识。尽管已有算法被开发用于自动化这一过程，但结果往往缺乏准确性。采用机器学习技术的新算法具有前景，但这些算法需要大规模训练数据集来优化性能。ATLAS正是在这一背景下提出的开源数据集。
【数据内容】
该数据集包含304例T1加权MRI影像，并配有手动分割的病灶。数据集英文全称为“A large, open source dataset of stroke anatomical brain images and manual lesion segmentations”。在本站分类中，该数据集归入神经系统疾病 / 其他类别。
【采集与来源】
该数据集来源站为neurovault.org。源站描述中说明，ATLAS是一个开源数据集，提供304例T1加权MRI影像及其人工分割的病灶。除此之外，源站未提供更多关于采集设备、采集参数、采集时间、采集机构或受试者招募方式的细节。
【适用场景】
基于源站描述，该数据集可用于卒中病灶分割相关研究。由于人工勾画的病灶被视为病灶分割的金标准，而自动化算法结果往往缺乏准确性，采用机器学习技术的新算法又需要大规模训练数据集来优化性能，因此该数据集可作为大规模训练与评估资源，服务于卒中神经影像中病灶分割算法的开发与性能优化。大规模神经影像研究已显示出在识别卒中恢复的稳健生物标志物（例如脑结构测量指标）方面的前景，该数据集亦可支撑此类研究方向。源站未提供更具体的适用任务清单或推荐使用场景。
【使用方法】
源站未提供关于数据组织方式、文件格式、目录结构、读取工具、预处理步骤或使用流程的具体说明。
【质量与限制】
该数据集的核心标注为人工勾画的病灶，源站描述将其称为目前病灶分割的金标准，但同时指出人工勾画劳动强度大且需要解剖学专业知识。源站未提供关于影像质量、标注一致性、标注者数量、标注协议、病灶类型分布或数据偏倚等方面的具体信息。
【引用与许可】
源站未提供关于引用格式、许可条款或使用限制的具体信息。
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://neurovault.org/collections/3073
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
中风是全球成人致残的首要原因，多达三分之二的个体经历长期残疾。大规模神经影像学研究在识别中风恢复的稳健生物标志物（如脑结构测量指标）方面展现出前景。然而，由于准确的中风病灶分割存在障碍，分析大型数据集仍面临困难。手动勾画的病灶目前是病灶分割的金标准，但这项工作劳动强度大且需要解剖学专业知识。尽管已开发出算法来自动化这一过程，但结果往往缺乏准确性。采用机器学习技术的新算法前景广阔，但这些算法需要大型训练数据集来优化性能。在此，我们介绍ATLAS（中风后病灶解剖追踪），这是一个包含304例T1加权MRI的开源数据集，配有手动分割的病灶和元数据。这个大型、多样化的数据集可用于训练和测试病灶分割算法，并为比较不同分割方法的性能提供了一个标准化数据集。
我们希望ATLAS R1.1能成为评估和改进当前病变分割方法准确性的有用资源。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
