OpenVAE

Name: OpenVAE
Creator: 约翰斯·霍普金斯大学; 加州大学旧金山分校; 哈佛医学院; 埃默里大学; 英伟达; 约翰斯·霍普金斯医学中心
License: MIT

大规模胸部CT增强数据集，包含17,316例增强扫描，标注精细解剖结构，提升肺结节检测性能。

约翰斯·霍普金斯大学; 加州大学旧金山分校; 哈佛医学院; 埃默里大学; 英伟达; 约翰斯·霍普金斯医学中心

arXiv

2026-04-09 更新

医学影像胸部CT质量增强

基本信息

模态

医学影像

大小

0.003462 GB

许可

MIT

创建/更新时间

2026-04-09

版本

main

资源简介

OpenVAE

【数据集背景】

本数据集源站标题为《KumaKuma2002/OpenVAE》。源站首次发布：2026-03-20。

【数据内容】

源站原始描述：Open-source VAE family for medical imaging - license: mit library_name: diffusers arxiv: tags: - medical - computed-tomography - vae - diffusion - # OpenVAE Open-source VAE family for medical imaging. Pretrained latent backbones for CT/MRI diffusion models. 2D and 3D autoencoders trained on up to 1M CT volumes with perceptual, adversarial, and segmentation-guided objectives. **Main paper:** Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling…

【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/KumaKuma2002/OpenVAE

使用许可：MIT。

【使用注意】

· 源站最后修改于 2026-04-30，引用时请注意版本时效。

原始链接

https://github.com/KumaKuma2002/OpenVAE

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/KumaKuma2002/OpenVAE.git

curl -L -o repo.zip https://github.com/KumaKuma2002/OpenVAE/archive/refs/heads/main.zip
unzip repo.zip

源站 README 摘录（使用方式）

license: mit
library_name: diffusers
arxiv: https://arxiv.org/abs/2604.07329
tags:

medical
computed-tomography
vae
diffusion

OpenVAE

Open-source VAE family for medical imaging. Pretrained latent backbones for CT/MRI diffusion models.
2D and 3D autoencoders trained on up to 1M CT volumes with perceptual, adversarial, and segmentation-guided objectives.
Main paper: Distilling Photon-Counting CT into Routine Chest CT through Clinically Validated Degradation Modeling (PDF) — cite this work when you use OpenVAE weights, released CT latents, or related resources from this repository. Code: github.com/KumaKuma2002/OpenVAE.

Release timeline

Mar 15, 2026 — 2D OpenVAE weights uploaded to Hugging Face.
Apr 6, 2026 — First 3D 64³ patch checkpoint uploaded (OpenVAE-3D-4x-patch64-10K).

Models and CT reconstruction benchmark

Reconstruction metrics on the OpenVAE CT hold-out benchmark (12 cases); SSIM and PSNR are higher-is-better, LPIPS is lower-is-better.

Model	Type	Patients	Latent	Resolution	SSIM	PSNR (dB)	LPIPS
stable-diffusion-v1-5	KL-VAE	0	8×	512² RGB	N/A	N/A	N/A
stable-diffusion-3.5-large	KL-VAE	0	8×	—	N/A	N/A	N/A
MAISI	KL-VAE	0	4×	64³	—	—	—
`OpenVAE-2D-4x-2K`	KL-VAE	2K	4×	512²	0.8932	34.87	0.0868
`OpenVAE-2D-4x-10K`	KL-VAE	10K	4×	512²	0.8867	34.91	0.0816
`OpenVAE-2D-4x-10K-pro`	KL-VAE	10K	4×	512²	0.8880	34.51	0.0781
`OpenVAE-2D-4x-20K`	KL-VAE	20K	4×	512²	0.8798	34.63	0.0782
`OpenVAE-2D-4x-100K`	KL-VAE	100K	4×	512²	0.8835	34.24	0.0752
`OpenVAE-2D-4x-300K`	KL-VAE	300K	4×	512²	0.8874	33.84	0.0852
`OpenVAE-2D-4x-PCCT_enhanced`	KL-VAE	300K	4×	512²	0.8813

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