SAM预处理MassHumanBurns数据集
该数据集是一个包含模拟烧伤模式的人体图像掩码的医疗图像数据集，数据模态包括图像、掩码和标签，涵盖全身掩码、烧伤区域掩码以及烧伤百分比信息，主要用于烧伤评估和医疗图像分割研究，支持计算机视觉算法在烧伤区域自动识别与严重程度量化方面的应用开发。
基本信息
资源简介
SAM_Preprocessed_MHB是MassHumanBurns数据集的一个预处理版本，所有掩码均使用SAM2.1 Hiera Tiny模型重新划分。该数据集包含模拟烧伤模式的人体图像掩码，每个样本包括前后视图、全身掩码、烧伤区域掩码以及烧伤百分比标签。数据集由8种不同的人体模型变体组成，每种变体有625个人体网格，总计5,000个人体网格；训练样本为4,000个网格，测试样本为1,000个网格。每个烧伤样本包含2个视图（前后）和4个不同的相机角度，烧伤严重程度分为8个级别。数据集主要用于烧伤评估、医疗图像分割等研究方向，可支持计算机视觉算法在烧伤区域自动分割和严重程度量化方面的应用。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("HLSS/SAM_Preprocessed_MHB")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/HLSS/SAM_Preprocessed_MHB
数据说明
SAM_Preprocessed_MHB是MassHumanBurns数据集的一个预处理版本，所有掩码均使用SAM2.1 Hiera Tiny模型重新划分。该数据集包含模拟烧伤模式的人体图像掩码，每个样本包括前后视图、全身掩码、烧伤区域掩码以及烧伤百分比标签。数据集由8种不同的人体模型变体组成，每种变体有625个人体网格，总计5,000个人体网格；训练样本为4,000个网格，测试样本为1,000个网格。每个烧伤样本包含2个视图（前后）和4个不同的相机角度，烧伤严重程度分为8个级别。数据集主要用于烧伤评估、医疗图像分割等研究方向，可支持计算机视觉算法在烧伤区域自动分割和严重程度量化方面的应用。
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 烧伤 的高质量、多模态真实临床数据定制解决方案。
