CIRDataset
包含956条肺结节分段和恶性预测标注的放射学数据集，源自LIDC-IDRI和LUNGx，用于提高肺癌筛查准确性。
基本信息
资源简介
CIRDataset
【数据集背景】
本数据集源站标题为《nadeemlab/CIR》。源站首次发布：2022-01-31。
【数据内容】
源站原始描述：Clinically-Interpretable Radiomics [MICCAI''22, CMPB''21] Clinically-Interpretable Radiomics MICCAI''22 Paper | CMPB''21 Paper | CIRDataset | Annotation Pipeline | Installation | Usage | Docker | Issues This library serves as a one-stop solution for analyzing datasets using clinically-interpretable radiomics (CIR) in cancer imaging. The primary motivation for this comes from our collaborators in radiology and radiation oncology inquiring about the importance of clinically-reported features in state-…
【主题与分类】
主题标签：cancer-imaging-research、clinical-interpretation-algorithm、computational-imaging、deep-learning、feature-extraction、interpretability、interpretable-deep-learning、medical-imaging、medical-imaging-datasets、python。
【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://github.com/nadeemlab/CIR
【使用注意】
· 源站最后修改于 2023-02-09，引用时请注意版本时效。
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
git clone https://github.com/nadeemlab/CIR.git
curl -L -o repo.zip https://github.com/nadeemlab/CIR/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Installation
It is highly recommended to install dependencies in either a python virtual environment or anaconda environment. Instructions for python virtual environment:
python3 -m venv venv
source venv/bin/activate
(venv) pip install torch==1.11.0 torchvision torchaudio extra-index-url https://download.pytorch.org/whl/cu113
(venv) pip install no-index no-cache-dir pytorch3d -f https://dl.fbaipublicfiles.com/pytorch3d/packaging/wheels/py38_cu113_pyt1110/download.html
## 数据加载示例（图像类）
```python
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。
