纵隔淋巴结量化（LNQ）挑战数据集
该数据集是一个包含513个胸部CT扫描图像的医学影像数据集，数据模态为三维CT影像，涵盖多种癌症类型且图像质量符合临床标准。数据集通过专业医师手动分割和标注纵隔淋巴结，主要用于评估和改进弱监督分割方法，以提升淋巴结量化准确性，支持癌症分期、治疗规划等临床应用研究。
基本信息
资源简介
纵隔淋巴结量化（LNQ）挑战数据集
【一句话概览】
LNQ2023 数据集聚焦纵隔淋巴结的 CT 影像分割，标签涵盖纵隔淋巴结、CT、分割、弱监督、癌症及淋巴结量化。该数据集面向医学影像分析，可用于弱监督条件下的纵隔淋巴结分割与量化研究，服务于癌症相关分析（来源 lnq2023.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《LNQ2023》。
【主题与分类】
主题标签：Mediastinal Lymph Node、CT、Segmentation、Weakly-supervised、Cancer、Lymph Node Quantification。
【获取与许可】
源站页面：https://lnq2023.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://lnq2023.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
该数据集是由布里格姆妇女医院和哈佛医学院等机构联合创建的医学影像数据集，专门用于纵隔淋巴结的量化评估。数据集包含513个胸部CT扫描图像，分为训练集、验证集和测试集，数据来源于多个医疗机构，涵盖多种癌症类型，图像质量达到常规临床诊断标准。数据集通过专业医师进行手动分割和标注，部分数据进行了完全标注，旨在评估和比较不同淋巴结量化方法的性能。该数据集主要用于医学图像处理领域的研究，特别是弱监督分割方法的改进，以提升淋巴结分割的准确性，从而辅助癌症分期、治疗规划和管理。
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。
