KUB-StoneX:带专家结石分割与影像组学特征的肾-输尿管-膀胱X射线标注数据集

KUB-StoneX 是一个公开的去标识化临床影像资源,用于支持基于肾-输尿管-膀胱(KUB)X射线的泌尿系结石检测、定位、分割与影像组学分析的可复现研究

figsharefigshare
datacite
2026-04-30 更新
浏览 20
医学影像图像分割Kidney StoneMedical Imaging DatasetComputer VisionImage SegmentationClinical DatasetKUB X-rayclinical datasets validatesDeep LearningUrolithiasisRadiomics
<b>KUB-StoneX: </b> Annotated Kidney-Ureter-Bladder X-ray Dataset with Expert Stone Segmentations and Radiomic Features

基本信息

模态
医学影像
大小
20.765554562 GB
任务类型
图像分割
许可
CC BY 4.0
创建/更新时间
2026-04-30
版本
v1

资源简介

KUB-StoneX:带专家结石分割与影像组学特征的肾-输尿管-膀胱X射线标注数据集

KUB-StoneX: Annotated Kidney-Ureter-Bladder X-ray Dataset with Expert Stone Segmentations and Radiomic Features

KUB-StoneX 是一个公开的去标识化临床影像资源,用于支持基于肾-输尿管-膀胱(KUB)X射线的泌尿系结石检测、定位、分割与影像组学分析的可复现研究。数据集包含来自孟加拉国两家三级医院的 2,570 张正位 KUB 放射图像,涉及 1,703 名患者,每张图像均配有专家核验的像素级结石分割掩膜、以结石为中心的感兴趣区域(ROI)图像块、ROI 元数据以及预先提取的影像组学特征。数据采用标准化目录结构与统一文件命名,保证图像、标注与特征一一对应,可用于机器学习、深度学习及混合影像组学模型的开发、评估与基准测试(来源 figshare,CC BY 4.0 许可)。

【数据集背景】

项目资助方:This research received no specific grant from any funding agency in the public, commercial, or not-for-profit

sectors.。源站首次发布:2026-04-30。

【数据内容】

源站描述(机器翻译,仅供参考):摘要 KUB-StoneX 数据集是一个公开可用的、去标识化的临床影像资源,旨在支持使用肾-输尿管-膀胱(KUB)X射线进行泌尿系结石检测、定位、分割和影像组学分析的可复现研究。它包含来自孟加拉国两家三级医院的 2,570 张正位 KUB 放射图像,回顾性收集自 1,703 名患者。每张图像均包含专家核验的像素级结石分割掩膜、以结石为中心的感兴趣区域(ROI)图像块、ROI 元数据以及预先提取的影像组学特征。数据以标准化目录结构组织,文件命名一致,确保图像、标注与特征之间直接对应。KUB-StoneX 旨在促进低成本 X 射线基

【数据结构与技术规格】

文件数 1 个,合计 20.77 GB。数据集 DOI:10.6084/m9.figshare.32049369.v1。

【主题与分类】

源站学科分类:Computer vision、Nephrology and urology、Diagnostic radiography、Radiology and organ imaging。主题标签:Kidney Stone、Medical Imaging Dataset、Computer Vision、Image Segmentation、Clinical Dataset、KUB X-ray、clinical datasets validates、clinical dataset、Deep Learning、Urolithiasis。本站分类:泌尿生殖系统疾病。

【适用方向】

源站学科分类标注为 Computer vision、Nephrology and urology、Diagnostic radiography、Radiology and organ imaging。

【获取与许可】

源站页面:https://figshare.com/articles/dataset/_b_KUB-StoneX_b_Annotated_Kidney-Ureter-Bladder_X-ray_Dataset_with_Expert_Stone_Segmentations_and_Radiomic_Features/32049369

使用许可:CC BY 4.0(https://creativecommons.org/licenses/by/4.0/)。

规范引用:Israt Zerin, Sabiba; Mojumder Anik, Md. Sajjad; Bijoy, Md. Hasan Imam; Hasan, Md. Zahid; Amena Ferdoucy, Sultana; Islam, Tahmina; et al. (2026). KUB-StoneX: Annotated Kidney-Ureter-Bladder X-ray Dataset with Expert Stone Segmentations and Radiomic Features. figshare. Dataset

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

源站:https://doi.org/10.6084/m9.figshare.32049369.v1

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据集大小约 20.77 GB。

数据说明

摘要 KUB-StoneX数据集是一个公开可用、去标识化的临床影像资源,旨在支持利用肾-输尿管-膀胱(KUB)X线进行泌尿系结石检测、定位、分割和影像组学分析的可重复研究。该数据集包含来自孟加拉国两家三级医疗机构的1,703名患者的2,570张前后位KUBX线片,为回顾性收集。每张图像均包含经专家验证的像素级结石分割掩膜、以结石为中心的感兴趣区(ROI)图像块、ROI元数据以及预提取的影像组学特征。数据以标准化目录结构组织,文件命名一致,确保图像、标注和特征之间直接对应。KUB-StoneX旨在促进基于低成本X线的泌尿系结石诊断的机器学习、深度学习和混合影像组学模型的开发、评估和基准测试,尤其是在资源有限的临床环境中。背景 泌尿系结石病是一种常见的全球性泌尿系统疾病,在中低收入国家负担尤为沉重。

尽管非对比CT是参考标准,但其成本、辐射和可及性有限,限制了常规使用[1]。KUB X线敏感性较低,但价格低廉且广泛可用,适用于筛查和监测。近期人工智能进展提高了诊断准确性,并实现了自动检测和定量分析[2],而放射组学则能够对结石形态和纹理进行客观表征[3,4]。公开且标注良好的KUB数据集稀缺;KUB-StoneX通过提供专家标注的X线片、实例级结石标签和标准化放射组学特征来应对这一问题,以支持人工智能研究。方法 数据收集、伦理与图像采集 KUB X线图像回顾性收集自孟加拉国米尔普尔-2的肾脏基金会医院与研究所,以及国家肾脏疾病与泌尿学研究所(NIKDU),并获得了伦理批准,批准来自t

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。

获取专属数据定制方案