医学影像数据集|数据分析数据集
大规模医学CT数据集包含约16万个CT体积和4200万张切片，覆盖多种解剖区域和临床场景，属于图像数据，主要用于器官与病灶分割、三维重建、算法基准测试和辅助诊断研究。
基本信息
资源简介
医学影像数据集 数据分析数据集
【数据集背景】
本数据集源站标题为《Luffy03/Large-Scale-Medical》。源站首次发布：2024-10-08。
【数据内容】
源站原始描述：[TPAMI 2026] Large-Scale 3D Medical Image Pre-training with Geometric Context Priors Large-Scale 3D Medical Image Pre-training This work presents **VoCo**, a new method for Large-Scale 3D Medical Image Pre-training. We release a new benchmark, including **160K** volumes (42M slices) for pre-training, 31M~1.2B params of pre-trained models, various pre-training recipes, and 50+ downstream tasks implementation. Linshan Wu, Jiaxin Zhuang, and **Hao Chen^** . **"Large-Scale 3D Medical Image Pre-train…
【主题与分类】
主题标签：benchmark、foundation-models、large-scale-learning、medical-image-analysis、medical-image-segmentation、pretrained-models、self-supervised-learning。
【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/Luffy03/Large-Scale-Medical
使用许可：Apache-2.0。
【使用注意】
· 源站最后修改于 2026-04-09，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/Luffy03/Large-Scale-Medical.git
curl -L -o repo.zip https://github.com/Luffy03/Large-Scale-Medical/archive/refs/heads/main.zip
unzip repo.zip
数据集大小约 7086.08 GB。
源站 README 摘录（使用方式）
Quick Start
- Models: 31M~1.2B params of pre-trained models.
- Downstream: 50+ tasks implementations (segmentation, classification, registration, vision-language).
- Datasets:
-
- PreCT-160K: The existing largest dataset in this field: 160K CT volumes
-
- VoComni: 20K volumes with pseudo labels (20 organ & tumor classes)
- Pre-training:
-
- Fully-supervised: Pre-training with labeled data
-
- Self-supervised: Pre-training with unlabeled data
-
- Semi-supervised: Pre-training with labeled and unlabeled data
-
- Omni-supervised: Pre-training with labeled and unlabeled data
- CVPR version
- 公众号
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。
