脑卒中 公开数据集（医学影像，脑部）（BraTS2018，ＣＱ５００，ＩＳＬＥ，ＭＲＢｒａｉｎＳ）

最新推荐文章于 2024-05-11 07:34:40 发布
最新推荐文章于 2024-05-11 07:34:40 发布
阅读量1.4w 收藏 86
点赞数 19
分类专栏： 数据集 脑卒中 医学影像
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48335963/article/details/116457350
版权

脑卒中数据集： BraTS2018，ＣＱ５００，ＩＳＬＥ，MRBrainS, Hippocampus(MRI, 1759), Brain Hemarhage

1.BraTS2018

脑肿瘤图像分割挑战联合MICCAI会议
链接：https://grand-challenge.org/challenges/
会议为评估最好的脑肿瘤分割方法，数据集会随比赛的更新而更新（BraTS2018为目前最新数据集）。很多的数据集被公开，有5类label：脑部健康组织，坏死区，水肿区，肿瘤的加强和非加强区。所有的数据集被校准为同样的解剖模板，并且被插值为1 mm 3的分辨率。每个数据集包含增强前T1和增强后T1，T2，T2磁共振成像液体衰减反转恢复序列MRI体素。

brats 2018 training set有285个病例，每个病例有四个模态，需要分割三个部分：whole tumor, enhance tumor, and tumor core.

下面链接为BraTS2018数据集
百度网盘：
链接：https://pan.baidu.com/s/1A7xRvpNZgl-tgDnpCvU1Pg
提取码：1234

２．CQ500

头部ＣＴ扫描识别出血、骨折和肿块效应
ＣＱ５００数据集包含４９１个扫描和１９３３１７个切片
网页链接：http://headctstudy.qure.ai/
直接下载的链接：https://academictorrents.com/　网页里直接搜索ＣＱ５００即可下载

３.ＩＳＬＥ

ISLES Challenge 2018缺血性卒中病灶分割
Isles 这个挑战被组织来评估，在精确MRI扫描图像中，中风病变及临床结果预测。提供了包含大量的精确中风样例和相关临床参数的MRI扫描。训练集和测试集通过SMIR平台公开
下载链接https://www.smir.ch/ISLES/Start2018

４．MRBrainS

这个评估架构的目的是比较脑部多序列（T1加权，T1加权反转恢复，磁共振成像液体衰减反转恢复序列，FLAIR）3T MRI图像，灰质，白质，脑脊髓液的分割算法。训练集包括5个手动分割的脑部MRI图像，测试集包括15份MRI图像。
下载链接：http://mrbrains13.isi.uu.nl

脑卒中数据集还包括Hippocampus(MRI, 1759), Brain Hemarhage等

花鱼饼
关注
  • 19
    点赞
  • 踩
  • 86
    收藏
    觉得还不错? 一键收藏
  • 29
    评论
专栏目录
医学图像分割数据集：BraTS 3d脑肿瘤图像、划分了2D 数据、并且划分了训练集和测试集
04-03
项目包含：BraTS 3d脑肿瘤图像、划分了2D 数据、并且划分了训练集和测试集 数据集为BRATS 3d，原始数据为nii.gz 文件，这里将数据在x轴进行切分，并且去除了前景区域不足0.03的数据，总共提取了1w多张图像 数据集总大小：162MB 数据集介绍：分为训练集、测试集 训练集：images图片目录+masks模板目录，8921张图片和8921个对应的mask图片 测试集：images图片目录+masks模板目录，3822张图片和3822个对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下
MICCAI_BraTS2018\2019\2020数据集全部.txt
12-12
提供MICCAI_BraTS2018\2019\2020数据集百度网盘链接
语义分割——脑肿瘤图像分割数据集
最新发布
猫脸码客的博客
05-11 801
BraTS 2015 数据集是一个用于脑肿瘤图像分割的数据集。它包含了220个高级别胶质瘤（HGG）和54个低级别胶质瘤（LGG）的MRI图像。这四种MRI模式是T1、T1c、T2和T2FLAIR。针对四种肿瘤内类别提供了分割的“真实标签”，即水肿、增强肿瘤、非增强肿瘤和坏死。
人工智能数据集（资源篇）（更新于2020.11.27）
wolf_bailang的博客
01-07 8137
记录机器学习、计算机视觉、自然语言处理、无人驾驶、医疗、金融、政府领域开源的数据集
brats18:兄弟18
05-01
概要 提交2017年多模式脑肿瘤分割挑战赛（ ）。 使用基于补丁的3D U-Net模型。 该模型不是预测中心像素的类别标签，而是预测整个色块的类别标签。 滑动窗口方法用于部署中，补丁之间有重叠以平均预测值。 程式码范例 工作流程包括偏差校正，补丁提取，培训，后处理，测试和提交。 下载训练数据后，运行python bias_correction.py input_dir以基于N4ITK（ ）执行偏场校正。 校正后的数据集将与原始数据集保存在同一文件夹中。 运行python generate_patches.py input_dir output_dir生成用于培训的补丁。 要训​​练模型，请运行python main.py --train=True --train_data_dir=train_patch_dir 。 或者，您可以修改main.py的默认参数，以便仅运行python ma
Brats 2018 数据集分享
csdn_hxs的博客
03-12 8159
最近复现一些医学图像代码时，涉及到brats的数据集。 这个数据集会随着多模态脑部肿瘤分割比赛而更新，所以旧版本的数据集有时候比赛的官网下不到。 brats 2018 training set有285个病例，每个病例有四个模态，需要分割三个部分：whole tumor, enhance tumor, and tumor core. 这里分享brats 2018年比赛的数据集，两个方式，一个是百度云，一个是在百度AI studio公开的数据集，如果对你有帮助的话，给我点个赞哦，谢谢 百度云： 链接：
Brats(脑肿瘤分割)2018/2019第1名分割方案
gefeng1209的博客
10-26 1万+
数据集简单介绍 训练集：335，验证集：125，测试集：166 标签图上的3个独立区域类别：ET(enhancing tumor)+ED(peritumoral edema)+NET(non-enhancing tumor) 评价时的3个有重叠的区域：WT(Whole Tumor)+TC(ET+NET)+ET 模态：T1,...
BraTs数据集处理及python读取.nii文件
qq_42740834的博客
04-28 1万+
BraTs数据集及python读取.nii文件医学文件
TransUNet与TBI数据集
qq_40636486的博客
10-13 2048
一方面，在医学图像分割领域，UNet已经取得了很优秀的效果，但传统CNN结构感受野有限，不擅长建立远程信息连接，导致最终效果受限。另一方面，Transformer这种全局自注意力机制可以有效地获取全局信息，但其对于低层次细节信息获取不充分，导致其定位能力方面受到限制。所以这篇文章提出了TransUNet，将Transformer和U-Net结合了起来，它同时具有Transformers和U-Net的优点，是医学图像分割的强大替代方案。
数据集 | 基于计算机视觉的开源医学影像处理数据集
weixin_44649780的博客
10-15 7569
计算机视觉分支-医学影响相关数据集概况。
疾病预测-脑中风数据集
12-14
脑中风数据集，一共有3566条数据，10个字段，包含患者性别、年龄、症状、工作类别、居住类别、是否吸烟等详细数据。使用支持向量机、决策树、逻辑回归、随机森林模型，精度都可达0.95。 ================== 脑中风又名脑卒中，是颅内血管破裂或堵塞引起的脑组织坏死进而产生的一系列症状，包括脑出血、脑梗死等。若不及时治疗，患者可能会死亡；而即使治疗及时，患者也有可能会残疾。 近年来，慢性疾病如中风、缺血性心脏病、肺癌、慢性阻塞性肺病和肝癌大幅增加，已成为中国过早死亡的主要原因。中国已经成为全球中风发病风险最高的国家，其居民中风的风险率达到了39.3%。而导致中风的原因，基本和生活习惯有关，高血压、吸烟、饮酒、高钠摄入这些都是中风的危险因素。研究显示，目前中国仅有10%到20%的中风患者可在3小时内被送到医院，治疗时间越晚，患者脑部的损害就越大。 中国高中风死亡率的现状，提醒着社会应投入更多的防控措施。《中国脑卒中防治：进展与挑战》就指出，虽然在中国，中风的发病率和患病人数都远高于心脏病，但相关医疗资源的可及性和质量水平却在32个可防控疾病中排名倒数第二。因此，预防重于治疗。
大脑CT（MRI）图像数据集
12-09
大脑CT（MRI）图像数据集，预测MGMT启动子基因的存在或缺失，共1336张图片 大脑CT（MRI）图像数据集，预测MGMT启动子基因的存在或缺失，共1336张图片 大脑CT（MRI）图像数据集，预测MGMT启动子基因的存在或缺失，共1336张图片
MRBrainS18:有关MRBrainS18细分挑战的详细信息
05-01
MRBrainS18 有关MRBrainS18细分挑战的详细信息： ://mrbrains18.isi.uu.nl/
MRBrainS13_seg
05-18
MRBrainS13_seg
基于MRI图像的脑肿瘤分类数据集
12-11
基于MRI图像的脑肿瘤分类数据集，共7678张图片 基于MRI图像的脑肿瘤分类数据集，共7678张图片 基于MRI图像的脑肿瘤分类数据集，共7678张图片
BraTS数据集处理详解（附代码详解）
热门推荐
weixin_43953722的博客
07-22 3万+
目录数据集详解功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 数据集详解 BraTS 数据集是脑肿瘤分割比赛数据集，brats 2018中的训练集( training set) 有285个病例，每个病例有四个模态(t1、t2、f
brats数据集以及其他的医学影像数据集
qq_44896301的博客
11-18 2401
脑肿瘤分割（BraTS）挑战集中于评估在多参数磁共振成像（mpMRI）扫描中分割脑肿瘤的最新方法。自成立以来，它的主要作用有两个方面：a）公开可用的数据集和b）公共基准。BraTS利用多机构术前mpMRI扫描，##说明：这个BraTS胶质瘤数据集它分年份，每一年份的数据集会有所不同，因为数据集会随着比赛的更新而更新，应该是从2012年开始的。最新的应该是2021年的。此外，为了明确该分割任务的临床相关性，BraTS 2018还通过对影像特征和机器学习（ML）算法的综合分析，重点预测患者的总体生存率。
头部 CT 图像三维重建
颹蕭蕭
07-25 7956
开放数据集 开放数据集：http://headctstudy.qure.ai/dataset 其中某个样本：CQ500CT181 数据处理 导入可能要用的包 import pydicom import os import matplotlib.pyplot as plt %matplotlib inline import SimpleITK as sitk from PIL import Ima...
brats2020数据集下载
06-28
### 回答1： BRATS2020数据集是一个医学图像处理领域的著名数据集，包含了人类脑部瘤病例的医学成像数据和相关信息。这个数据集的下载可以通过多种渠道进行。 首先，BRATS2020数据集的官方网站是一个可靠的下载来源，该网站提供了完整的数据集下载包以及数据集说明、评估任务和论文等相关信息。用户可以在该网站上注册登录并按照要求下载数据集。同时，也有多个开源社区和机构提供了BRATS2020数据集的备份下载，用户可以通过这些渠道获取数据集。 另外，为了方便研究者进行数据处理和模型实验，公共数据集分发平台（如Kaggle、GitHub等）也会提供BRATS2020数据集的下载链接。通过这些在线平台下载数据集可能更加方便，但需要注意数据的完整性和来源方的权威性。 无论是从哪个渠道下载BRATS2020数据集，都需要认真查看数据集的文件结构和说明，确保数据的完整性和准确性。此外，对于数据集的应用和二次研究，也需要遵守相应的道德和法律规范，尽可能减少对患者隐私和医学保密性的侵犯。 ### 回答2： Brats2020是一种医学图像数据集，用于脑肿瘤分割和识别。它包含有数百个病例且重点考虑了4种不同的肿瘤类型：胶质母细胞瘤，脑膜瘤，神经胶质瘤和脑室系统间隙瘤。 要下载这个数据集，你需要访问以下网站：https://www.med.upenn.edu/cbica/brats2020/data.html。 网站列出了数据集的信息，包括文件的格式，下载链接和一些有用的文档。 Brats2020数据集大约有100GB的大小，因此您需要较高的存储空间能力来下载和存储这些文件。 在下载之前，请确保您的硬件能够承受此负载。文件使用NiFTI格式进行处理，其中包括了图像和分割数据。 如果您是研究人员或医学专业人员，您可以通过该数据集获得关于脑肿瘤的深入理解。通过使用此数据集，您可以训练深度学习模型和计算机视觉系统以更好地识别和分割脑肿瘤。这将有助于提高医疗保健的精度和效率，进而为数百万受到脑肿瘤影响的人们提供更好的治疗机会。 总而言之，Brats2020是一个极为有价值的数据集，可以为研究人员和医疗从业人员提供许多有用的信息。如果你有兴趣使用它，请确保你有足够的存储空间，并且你正在购买一台高性能的计算机。 ### 回答3： 首先，我们来了解一下BRATS数据集。BRATS (Brain Tumor Segmentation) 数据集是作为 MICCAI 2012、2013年和2015年医学图像计算机辅助干预会议上的一个竞赛数据集被发布的。该数据集是专门用于大脑肿瘤分割的，包含了从多个匿名的脑部 MRI 影像扫描中提取的大脑肿瘤图像。这个数据集共有 6,634 个图像，分别来自 220 个患者的肿瘤 MRI 扫描。每个病人有四个影像（T1、T1-Gd、T2、FLAIR），使得数据集总共有四个部分。BRATS数据集对于进行深度学习的脑肿瘤自动分割等任务非常有用。 BRATS 2020是BRATS竞赛的2020年版本。使用新的数据样本（1024x1024x128的影像），以及四类肿瘤分割任务，即Necrotic and Non-Enhancing Tumor, Edema, Enhancing Tumor和Background. BRATS 2020 数据集中，每个病人有四个MRI模态，分别是 T1、T1-Gd、T2 和 FLAIR，每个MRI模态下面包含了标记图，分别对应着四个部分。BRATS2020数据集的具体下载过程如下： 1. 首先打开BRATS2020官网，网址为 https://www.med.upenn.edu/sbia/brats2020/data.html. 2. 下拉页面找到“Training Data”区域，在该区域里面有VSD.Brain.XX.O.MRI, VSD.Brain.XX.O.MRI_RAI, VSD.Brain.XX.O.OT, and VSD.Brain.XX.O.OT_RAI文件夹。 3. 分别下载这四个文件夹，每个文件夹大小分别为15GB, 58GB, 4GB, 13GB。 4. 下载完毕后进行解压，解压缩文件时我们需要注意确保所有文件路径都正确，同时需要保证每个MRI模态和对应的标记是匹配的。 5. 解压完成后，我们就可以使用这个BRATS2020数据集来训练我们的深度学习模型，以进行脑肿瘤分割等任务。 总之，BRATS2020数据集是一个非常重要的医学数据集，对于进行医学图像分析的深度学习任务来说非常有用。因此，我们可以按照上述步骤进行下载，并按照需要进行使用。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 29
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值