胎儿扩散图谱
该数据集为胎儿扩散图谱,覆盖孕23至38周的扩散图谱图像,并附加组织分割与区域分区。扩散图谱重建在独立于CRL2025 T2图谱的坐标系中计算,称为DWI-space;通过匹配DWI图像方向头信息、计算三自由度平移并与T2图谱叠加,再手动编辑图像头信息将扩散图像移至正确空间

基本信息
资源简介
胎儿扩散图谱
Diffusion Atlas
该数据集为胎儿扩散图谱,覆盖孕23至38周的扩散图谱图像,并附加组织分割与区域分区。扩散图谱重建在独立于CRL2025 T2图谱的坐标系中计算,称为DWI-space;通过匹配DWI图像方向头信息、计算三自由度平移并与T2图谱叠加,再手动编辑图像头信息将扩散图像移至正确空间。基础扩散图谱图像是原始DWI图谱的改进版本,使用同一组受试者张量图像,组织与区域分割通过微分同胚方法拟合至扩散图谱。该数据可用于胎儿脑部影像配准、组织分割与区域分区研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):胎儿扩散图谱 胎儿扩散图谱(参考文献如下),附加组织分割和区域分区。 内容 该数据集包含孕23至38周的扩散图谱图像。扩散图谱重建在与CRL2025 T2图谱不同的坐标系中计算。这些文件被称为“DWI-space”。为使两个图谱对齐,我们将DWI图像的图像方向头信息与T2图谱匹配,计算3自由度平移偏移以与T2图谱叠加,然后手动编辑图像头信息以将扩散图像移动到正确空间。基础扩散图谱图像是原始DWI图谱(Khan et al. 2019)的改进版本,使用同一组受试者张量图像。组织和区域分割使用微分同胚方法拟合至扩散图谱。
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://dataverse.harvard.edu/citation?persistentId=doi:10.7910/DVN/XWKCIE
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/10.7910/DVN/XWKCIE
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 174.7 MB。
数据说明
胎儿扩散图谱
胎儿扩散图谱(参考文献见下),并添加了组织分割和区域分区。
内容
该数据集包含胎龄23至38周的扩散图谱图像。扩散图谱重建是在与CRL2025 T2图谱不同的坐标系中计算的。这些文件被称为“DWI空间”。为使两个图谱对齐,我们将DWI图像的图像方向头信息与T2图谱匹配,计算了3个自由度的平移偏移以叠加到T2图谱上,然后手动编辑图像头信息,将扩散图像移至正确的空间。基础扩散图谱图像是原始DWI图谱(Khan等,2019)的改进版本,使用了同一组受试者张量图像。组织和区域分割通过将T2图谱图像以微分同胚配准方式拟合到扩散图谱,然后为研究目的进行手动修改,并已在此处提供。胎龄23-35周的分割此前已可用并经过仔细编辑。
本次发布新增了第36-38周的自动传播分割,但质量较低。文件后缀:_tensor - 重建的张量图像 由张量衍生的扩散标量图像:_fa - 分数各向异性 _cfa - 彩色FA _md - 平均扩散率 _tissue - 组织分割 _region - 区域分割 DWIAtlas_labelkey.txt - 用于组织和区域分割的ITK-SNAP标签键 ## 许可/数据使用协议 这些文件根据CC BY 4.0发布:https://creativecommons.org/licenses/by/4.0/ 本数据发布中的文件是为研究目的开发的,不用于医疗或诊断用途,且无任何担保。作者和分发者不对这些工具或其衍生物生成的结果的准确性或实用性作出任何保证,并且不对因以下原因导致的任何损害承担责任:
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




