URI-CAD：超声肾脏影像计算机辅助诊断数据集 - IRYCIS（Ramón y Cajal 医院）
该数据集为二维肾脏超声影像数据库，包含1985张图像，其中450例健康肾脏、1535例病理肾脏，由Ramón y Cajal大学医院的两位经验丰富的肾脏病专家标注
基本信息
资源简介
URI-CAD：超声肾脏影像计算机辅助诊断数据集 - IRYCIS（Ramón y Cajal 医院）
URI-CAD: Computer-Aided Diagnosis for Ultrasound Renal Imaging - IRYCIS (Hospital Ramón y Cajal)
该数据集为二维肾脏超声影像数据库，包含1985张图像，其中450例健康肾脏、1535例病理肾脏，由Ramón y Cajal大学医院的两位经验丰富的肾脏病专家标注。标注内容包括肾脏多边形分割掩膜、全局病理存在指标，以及局部病灶的指标和边界框。图像为回顾性收集的B型肾脏超声图像，患者年龄18岁及以上，性别分布均衡，左右肾均衡，横切面占93%、纵切面占7%。图像已匿名化处理。该数据集可用于肾脏病理检测、图像分割及计算机辅助诊断等研究（来源 DOI 解析）。
【数据集背景】
源站首次发布：2024。
【数据内容】
源站描述（机器翻译，仅供参考）：该二维超声成像数据库包含1985张图像的肾脏位置和完整诊断（其中450例健康肾脏和1535例病理肾脏），由Ramón y Cajal大学医院的两位经验丰富的肾脏病专家标注。每个临床病例的标注包括：肾脏的多边形分割掩膜、全局病理存在指标，以及局部病灶的指标和边界框（当存在时）。图像为回顾性收集的18岁及以上患者的B型肾脏超声图像，性别分布均衡。收集的左右肾也均衡，且包含横切面（93%）和纵切面（7%）图像。图像已匿名化，以确保不包含任何可导致患者身份识别的个人信息，并在该年收集
【主题与分类】
主题标签：Ciencias de la información y computación、Ingeniería、Ultrasound renal imaging、Kidney ultrasound、Renal US、Computer-aided diagnosis、Pathology detection、Machine Learning、Deep Learning、Convolutional neural networks。本站分类：泌尿生殖系统疾病。
【获取与许可】
源站页面：https://edatos.consorciomadrono.es/citation?persistentId=doi:10.21950/0E0CTF
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/10.21950/0E0CTF
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
该二维超声影像数据库包含1985幅图像的肾脏位置和完整诊断信息（其中450例健康肾脏，1535例病理肾脏），由拉蒙·卡哈尔大学医院的两名经验丰富的肾脏病专家标注。每个临床病例的标注包括：肾脏的多边形分割掩模、全局病理存在的指标，以及局部病变（如存在）的指标和边界框。这些图像为B模式肾脏超声图像，回顾性收集自18岁及以上的患者，性别分布均衡。收集的左右肾脏也保持平衡，且包含横向（93%）和纵向（7%）图像。图像经过匿名处理，以确保不含任何可识别患者身份的个人信息，并于2009年至2018年间按每个临床病例一幅图像的比例收集。
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。
