KiTS23肾脏肿瘤分割挑战
KiTS23扩展肾脏肿瘤CT分割任务，提供肾脏、肿瘤和囊肿等标注，适合鲁棒分割、检测和肾癌影像AI评测。
基本信息
资源简介
KiTS23肾脏肿瘤分割挑战
【一句话概览】
KiTS23 是 2023 年肾脏与肾脏肿瘤分割挑战赛，继 2019 年和 2021 年之后举办的第三届。参赛团队竞争开发自动语义分割肾脏、肾脏肿瘤和肾囊肿的最佳系统。本届比赛训练集扩大至 489 例，使用全新的 110 例测试集，并新增肾源性对比期病例，而此前所有病例均为晚期动脉期（来源 kits-challenge.org）。
【数据集背景】
本数据集源站标题为《KiTS23 | The 2023 Kidney Tumor Segmentation Challenge》。
【数据内容】
源站原始描述：The 2023 Kidney and Kidney Tumor Segmentation challenge (abbreviated KiTS23) is a competition in which teams compete to develop the best system for automatic semantic segmentation of kidneys, renal tumors, and renal cysts. It is the third iteration of the KiTS challenge after having taken place in 2019 and 2021. This year''s competition features an expanded training set (489 cases), a fresh never-before-used test set (110 cases), and the addition of cases in the nephrogenic contrast phase, wherea…
中文译文（机器翻译，仅供快速理解，请以原文为准）：2023年肾脏与肾脏肿瘤分割挑战赛（简称KiTS23）是一项竞赛，各团队竞相开发最佳系统，用于自动语义分割肾脏、肾肿瘤及肾囊肿。这是继2019年和2021年后，KiTS挑战赛的第三届。今年的比赛特点包括：扩大的训练集（489例）、全新的未使用过的测试集（110例），以及新增了肾源性对比期病例，而此前所有病例均处于晚期动脉期。
【主题与分类】
主题标签：kidney、kidney tumor、renal cyst、CT、segmentation、KiTS23、MICCAI 2023。
【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://kits-challenge.org/kits23/
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://kits-challenge.org/kits23/
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
KiTS23扩展肾脏肿瘤CT分割任务，提供肾脏、肿瘤和囊肿等标注，适合鲁棒分割、检测和肾癌影像AI评测。
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。
