纵隔淋巴结分割CT数据集
该数据集是一个高质量的CT影像数据集，包含专家标注的纵隔淋巴结区域，数据模态为CT扫描图像，主要用于纵隔淋巴结分割、医学影像分析以及计算机辅助诊断系统的研究与开发，为深度学习模型训练和淋巴结疾病诊断提供支持。
基本信息
资源简介
纵隔淋巴结分割CT数据集
【数据集背景】
本数据集源站标题为《Mediastinal-Lymph-Node-SEG CT dataset》。源站首次发布：2026-03-29。
【数据内容】
源站原始描述：# Mediastinal Lymph Node - Processed 2D Axial Dataset This dataset consists of standardized 2D axial PNG slices and corresponding segmentation masks derived from the TCIA **Mediastinal-Lymph-Node-SEG** collection. ## About the Data (TCIA Description) The dataset focuses on patients with lymphadenopathy (swelling of lymph nodes) due to various cancers or infections. - **Subjects**: 513 patients with various primary cancers (Breast, Lung, Lymphoma, etc.). - **Annotation**: Manual delineation perfo…
【数据结构与技术规格】
文件数 20 个，合计 1.80 MB。
【主题与分类】
主题标签：image、deep learning、image classification、image segmentation、image super resolution。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/suvadipchakraborty/mediastinal-lymph-node-seg-ct-dataset
使用许可：Attribution 4.0 International (CC BY 4.0)。
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。
需登录公开下载
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("suvadipchakraborty/mediastinal-lymph-node-seg-ct-dataset")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d suvadipchakraborty/mediastinal-lymph-node-seg-ct-dataset
unzip mediastinal-lymph-node-seg-ct-dataset.zip -d mediastinal-lymph-node-seg-ct-dataset/
数据说明
该数据集是一个高质量的CT影像数据集，专注于纵隔淋巴结的识别与分割。它包含经过专家精确标注的淋巴结区域，数据来源于临床CT扫描，旨在为医学图像分析提供可靠的研究基础。该数据集主要用于纵隔淋巴结分割、CT影像分析以及相关计算机辅助诊断系统的开发与评估，适用于医学影像处理、深度学习模型训练及淋巴结疾病研究等应用场景。
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。
