CIRDataset

Name: CIRDataset
Creator: 纪念斯隆-凯特琳癌症中心

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。

纪念斯隆-凯特琳癌症中心

arXiv

2022-06-30 更新

医学影像肺结节恶性预测医学影像

基本信息

模态

医学影像

创建/更新时间

2022-06-30

资源简介

CIRDataset是由纪念斯隆-凯特琳癌症中心创建的大型临床可解释放射学数据集，专注于肺结节的恶性预测。数据集包含956条来自LIDC-IDRI和LUNGx的肺结节分段和恶性预测标注，通过自动计算和专家质量保证确保准确性，旨在提高肺癌筛查的准确性和效率。

原始链接

https://github.com/nadeemlab/CIR

arXiv 论文 →

访问原始数据

官方服务

如需原始数据获取支持或标注服务，请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载，应该可以免费公开下载。

免登录

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。

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

千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

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