NeuriPhy：面向物理信息学习的神经影像数据集-97492

数据集获取

源站：https://doi.org/10.5281/zenodo.15381866

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

工作进展中……NeuriPhy——面向物理信息学习的神经影像数据集

本数据集是在题为“面向稀疏数据驱动脑移位配准的物理引导深度学习”项目背景下开发的，该项目研究将基于物理的生物力学建模集成到深度学习框架中，以完成脑移位配准任务。本项目的核心目标是通过使深度神经网络能够在生物力学约束下对稀疏的术中数据进行插值，从而提高术中脑移位预测的准确性和可靠性。这些能力对于增强图像引导神经外科系统至关重要，尤其是在无法获得或不切实际进行完整术中成像时。本数据集整合并扩展了两个公开来源的数据：ReMIND和UPENN-GBM。本数据集共包含207个患者病例（45例来自ReMIND，162例来自UPENN-GBM），每个病例表示为一个单独的文件夹，所有相关数据按病例分组。

该数据集包含术前影像（未剥离）、合成真值位移场、解剖分割和关键点，其结构旨在支持机器学习和配准任务。有关图像采集及原始数据集其他相关主题的详细信息，请参见上方的原始链接。内容 影像数据：T1ce：术前对比增强T1加权MRI扫描。T2：术前T2加权MRI扫描，主要包括T2-SPACE，但根据病例不同，也包括原生T2和T2-BLADE采集。所有MRI扫描均为NIfTI格式，并已重采样至相同的各向同性分辨率（1x1x1 mm）。患者内刚性配准作为预处理的一部分，使用3D Slicer的“General Registration (BRAINS)”扩展完成。合成位移场：生物力学模拟的真值位移场通过无网格方法并求解非线性微分方程生成

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。