头颈器官分割挑战
头颈器官分割挑战是公开可访问数据集，包含头颈部CT危及器官和腮腺等结构标注等图像数据，围绕软腭癌相关临床表现、影像、信号或组学信息，适合用于图像分割、模型训练、外部验证和疾病机制探索。
基本信息
资源简介
头颈器官分割挑战
【一句话概览】
HaN-Seg 数据集以 CC BY-NC-ND 4.0 许可公开，使用需引用相关工作。其姊妹论文分析了头颈部 CT 与 MR 图像中危及器官勾画的观察者间与模态间差异，可为自动方法结果提供基线。还可与 MICCAI 2023 展示的多模态分割算法结果比较，但该实验采用五折交叉验证并分割 MR 与 CT 重叠区域，与挑战设置不同。建议同时引用挑战结果的联合论文（来源 han-seg2023.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《The Head and Neck Organ-at-Risk CT & MR Segmentation Challenge》。
【数据内容】
源站原始描述：The HaN-Seg dataset is publicly available under the CC BY-NC-ND 4.0 license. Details regarding acquisition parameters and data curation can be found in our publication [1]. Please note that citing this work is required if you use the HaN-Seg dataset. A sister publication [2] describes inter-observer and inter-modality variability analysis in OAR contouring from head and neck CT and MR images for the same dataset, providing a good baseline for contextualizing results obtained with your automatic…
中文译文（机器翻译，仅供快速理解，请以原文为准）：HaN-Seg数据集根据CC BY-NC-ND 4.0许可协议公开可用。有关采集参数和数据管理的详细信息，可在我们的出版物[1]中找到。请注意，如果您使用HaN-Seg数据集，必须引用此工作。姊妹出版物[2]描述了同一数据集在头颈部CT和MR图像中OAR轮廓的观察者间和模态间变异性分析，为将您使用自动方法获得的结果置于上下文中提供了良好的基线。此外，您还可以将您的结果与我们在MICCAI 2023上展示的多模态分割算法结果[3]进行比较。请注意，在我们的实验中，我们使用了5折交叉验证，并对MR和CT图像的重叠区域进行了分割，这与挑战设置不同。最后，我们鼓励您引用我们与挑战结果联合发布的出版物[4]。
【主题与分类】
主题标签：Head and Neck、Organ-at-Risk、CT、MR、Segmentation、Radiotherapy。
【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://han-seg2023.grand-challenge.org/
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。
暂未开放有偿下载
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://han-seg2023.grand-challenge.org/
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
头颈器官分割挑战包含头颈部CT危及器官和腮腺等结构标注等图像数据，可用于软腭癌相关图像分割、诊断建模、分型或外部验证。
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。
