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预处理MassHumanBurns数据集
【数据集背景】
本数据集源站标题为《HLSS/SAM_Preprocessed_MHB》。源站首次发布：2026-04-30。
【数据内容】
源站原始描述：# Dataset Card for MassHumanBurns ## Dataset Description SAM_Preprocesed_MHB is a variant of the MassHumanBurns dataset. All the masks have been re-divided using ``sam2.1_hiera_tiny``. ## Dataset Summary This dataset consists of corresponding masks of human figures with simulated burn patterns. Each sample includes front and back views, full body masks, and burn region masks, along with ground truth burn percentage labels. ## Image ID Structure Each image is uniquely identified using the foll…
【数据结构与技术规格】
文件数 2 个，合计 972.83 MB。
【主题与分类】
主题标签：license:apache-2.0、size_categories:100K<n<1M、region:us、medical。
【获取与许可】
源站页面：https://huggingface.co/datasets/HLSS/SAM_Preprocessed_MHB
使用许可：apache-2.0。
【使用注意】
· 源站最后修改于 2026-07-24，引用时请注意版本时效。
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。
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。
