Sunnybrook心脏数据
Sunnybrook心脏MRI数据含心室轮廓标注，可用于肺瓣膜病右心改变研究中影像分割算法验证。 数据包含真实病例或专家标注信息，适用于围绕相关疾病开展模型训练、表型抽取、影像识别、分割、预后评估或临床自然语言处理等研究。
基本信息
资源简介
Sunnybrook心脏数据
【一句话概览】
Sunnybrook Cardiac Data（SCD）又称2009年心脏MR左心室分割挑战数据，包含45例来自健康、肥厚、伴梗死心力衰竭和不伴梗死心力衰竭患者的cine-MRI图像，共45幅影像。该数据集的一个子集曾用于2009年MICCAI研讨会举办的短轴MRI自动心肌分割挑战，完整数据集现以公共领域许可在CAP数据库中提供，标签涵盖心脏MRI、cine-MRI、左心室、分割、心力衰竭、肥厚、健康和DICOM（来源 cardiacatlas.org）。
【数据集背景】
本数据集源站标题为《Sunnybrook Cardiac Data》。
【数据内容】
源站原始描述：The Sunnybrook Cardiac Data (SCD), also known as the 2009 Cardiac MR Left Ventricle Segmentation Challenge data, consist of 45 cine-MRI images from a mixed of patients and pathologies: healthy, hypertrophy, heart failure with infarction and heart failure without infarction. Subset of this data set was first used in the automated myocardium segmentation challenge from short-axis MRI, held by a MICCAI workshop in 2009. The whole complete data set is now available in the CAP database with public do…
中文译文（机器翻译，仅供快速理解，请以原文为准）：Sunnybrook心脏数据（SCD），也称为2009年心脏MR左心室分割挑战数据，包含45例电影MRI图像，这些图像来自不同患者和病理类型：健康、肥厚、伴梗死的心力衰竭以及不伴梗死的心力衰竭。该数据集的一个子集最初用于2009年MICCAI研讨会举办的短轴MRI自动心肌分割挑战赛。现在，整个完整数据集已在CAP数据库中以公共领域许可公开。
【主题与分类】
主题标签：cardiac MRI、cine-MRI、left ventricle、segmentation、heart failure、hypertrophy、healthy、DICOM。
【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://www.cardiacatlas.org/sunnybrook-cardiac-data/
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://www.cardiacatlas.org/sunnybrook-cardiac-data/
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:
数据集大小约 1.00 GB。
数据说明
Sunnybrook心脏MRI数据含心室轮廓标注，可用于肺瓣膜病右心改变研究中影像分割算法验证。
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。
