纵向听神经瘤数据集

该数据集是一个专注于听神经瘤的纵向医学影像数据集,主要包含来自226名患者的对比增强T1加权和T2加权MRI扫描图像,其中大部分T1CE图像已进行肿瘤区域标注。数据模态为医学影像(MRI),来源于英国多中心临床采集,并通过深度学习框架进行整合与质量优化。该数据集主要用于听神经瘤的影像分析、肿瘤生长轨迹研究、深度学习分割模型训练,以及辅助临床诊疗决策支持。

伦敦大学国王学院生物医学工程与影像科学学院,伦敦大学国王学院医院NHS基金会信托,利物浦沃尔顿中心NHS基金会信托伦敦大学国王学院生物医学工程与影像科学学院,伦敦大学国王学院医院NHS基金会信托,利物浦沃尔顿中心NHS基金会信托
arXiv
2025-11-01 更新
浏览 29
医学影像深度学习
Longitudinal Vestibular Schwannoma Dataset

基本信息

创建/更新时间
2025-11-01

资源简介

纵向听神经瘤数据集

【数据集背景】

本数据集源站标题为《Deep Learning Consensus-based Annotation of Vestibular Schwannoma from Magnetic Resonance Imaging: An Annotated Multi-Center Routine Clinical Dataset (Vestibular-Schwannoma-MC-RC 2)》。源站首次发布:2025。

【数据内容】

源站原始描述:The “Deep Learning Consensus-based Annotation of Vestibular Schwannoma from Magnetic Resonance Imaging: An Annotated Multi-Center Routine Clinical Dataset” (Vestibular-Schwannoma-MC-RC-2) comprises 190 adult patients with unilateral vestibular schwannoma (VS), referred to King’s College Hospital, London, UK. Patients with neurofibromatosis type 2 (NF2) were excluded. Each patient has 1–8 longitudinal scans acquired from 2010 onwards, totaling 543 contrast-enhanced T1-weighted (T1CE) scans and 13…

【获取与许可】

源站页面:https://www.cancerimagingarchive.net/collection/vestibular-schwannoma-mc-rc2/

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

源站:https://doi.org/10.7937/bq0z-xa62

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

该数据集是一个用于听神经瘤研究的纵向医学影像数据集,包含来自英国东南部超过15个医疗机构的226名单侧散发性听神经瘤患者的MRI扫描数据。数据集包含184名患者的534张纵向对比增强T1加权(T1CE)扫描图像,其中肿瘤区域已被标注,此外还包括6名患者的未标注T2加权扫描图像。数据通过一个基于深度学习的迭代分割与质量改进框架构建,并整合了多中心数据源。该数据集主要应用于医学影像分析、肿瘤生长建模、深度学习算法开发以及听神经瘤的临床研究,现公开存储于癌症影像档案(TCIA)平台。

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。

获取专属数据定制方案