前庭神经鞘瘤MRI分割数据集
内听道和桥小脑角肿瘤可导致面神经麻痹，该数据集适合肿瘤分割、术前规划和神经功能风险分析。
基本信息
资源简介
前庭神经鞘瘤MRI分割数据集
【一句话概览】
本数据集是 TCIA 公开的影像数据集，收录 合计 28.21 GB、242 例受试者，主题涵盖 Vestibular Schwannoma (non-cancer)，可用于医学图像分割、检测与分类模型的训练与评测，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Segmentation of Vestibular Schwannoma from Magnetic Resonance Imaging: An Open Annotated Dataset and Baseline Algorithm》。源站首次发布：2021/03/17。
【数据内容】
源站原始描述：Contours : For each subject and each modality there is a text file named contours.json. These contour files in the T1 and T2 folder contain the contour points of the segmented structures in JavaScript Object Notation (JSON) format, mapped in the coordinate frames of the T1 image and the T2 image, respectively. There can be small differences between the contour points of the RTSTRUCT and the contour points of the JSON files as explained in the following: In most cases, the tumour was segmented on…
中文译文（机器翻译，仅供快速理解，请以原文为准）：轮廓：对于每个受试者和每种模态，都有一个名为contours.json的文本文件。T1和T2文件夹中的这些轮廓文件分别以JavaScript对象表示法(JSON)格式包含了分割结构的轮廓点，分别映射在T1图像和T2图像的坐标框架中。RTSTRUCT的轮廓点与JSON文件的轮廓点之间可能存在微小差异，具体解释如下：在大多数情况下，肿瘤是在T1图像上分割的，而耳蜗通常是在T2图像上分割的。这意味着一些轮廓线(通常为肿瘤的轮廓线)与T1图像的切片共面，而另一些(通常为耳蜗的轮廓线)与T2图像的切片共面。配准后，T1和T2图像的(未重采样)切片通常不重合；例如，由于图像位置不同以及偶尔出现的切片厚度差异。因此，合并后的配准轮廓线既不与T1图像切片共面，也不与T2图像切片共面。在将分割结果导出到给定目标空间时，LeksellGammaPlan软件会在原始轮廓线之间进行插值，以在目标图像空间(T1或T2)中创建新的切片对齐轮廓线。这导致了RTSTRUCT中所见的插值切片对齐轮廓线。相比之下，JSON文件中的轮廓在配准后未进行插值，因此准确地描述了原始的手动分割(可能不在目标空间切片上)。
【数据结构与技术规格】
数据集 DOI：10.7937/TCIA.9YTJ-5Q73。
【主题与分类】
源站学科分类：MR、RTDOSE、RTSTRUCT、RTPLAN、Other、Measurement。主题标签：Vestibular Schwannoma (non-cancer)。
【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://www.cancerimagingarchive.net/collection/vestibular-schwannoma-seg/
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Shapey, J., Kujawa, A., Dorent, R., Wang, G., Bisdas, S., Dimitriadis, A., Grishchuck, D., Paddick, I., Kitchen, N., Bradford, R., Saeed, S., Ourselin, S., & Vercauteren, T. (2021). Segmentation of Vestibular Schwannoma from Magnetic Resonance Imaging: An Open Annotated Dataset and Baseline Algorith…
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（TCIA 标准方式）
方式一：NBIA 搜索
- 打开 NBIA 搜索页（免费注册 TCIA 账号）；
- 按本数据集 Collection 名称筛选（见源站页面），加入 Download Basket；
- 用 NBIA Download Manager 批量下载 DICOM。
方式二：NBIA API（程序化）
curl -s "https://services.cancerimagingarchive.net/nbia-api/services/v1/getSeries?Collection=COLLECTION_NAME" -o series.json
方式三：TCIA Manifest + dicomsort
在 Collection 页面下载 .tcia manifest 文件后用 NBIA CLI 下载。
数据集大小约 28.21 GB。
数据说明
前庭神经鞘瘤MRI和分割数据，可用于面神经邻近肿瘤和术后面瘫风险研究。
数据加载示例（DICOM 影像）
import pydicom, glob, os
files = glob.glob(os.path.join(path, "**", "*.dcm"), recursive=True)
d = pydicom.dcmread(files[0])
print("Modality:", d.Modality)
img = d.pixel_array
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。
