medical-imaging-datasets|医学影像数据集|医学研究数据集

医学影像数据集列表，包括多种医学影像数据集，如CT、MRI、超声等，用于医学研究和诊断。

A list of medical imaging datasets, encompassing a variety of medical imaging datasets such as CT, MRI, ultrasound, etc., utilized for medical research and diagnostics.

原始信息汇总

医学影像数据集列表

多模态数据库

• Center for Invivo Microscopy (CIVM)：提供胚胎和新生小鼠的H&E和MR图像，用户指南可在此处获取：CIVM用户指南
• LONI图像数据档案：LONI图像数据档案
• 放射学：包括超声、乳腺摄影、X光、CT、MRI、fMRI等
• Collaborative Informatics and Neuroimaging Suite (COINS)：COINS
• The Cancer Imaging Archive (TCIA)：TCIA
• Alzheimer’s Disease Neuroimaging Initiative (ADNI)：ADNI
• The Open Access Series of Imaging Studies (OASIS)：OASIS
• Breast Cancer Digital Repository：Breast Cancer Digital Repository
• DDSM: Digital Database for Screening Mammography：DDSM
• The Mammographic Image Analysis Society (MIAS) mini-database：MIAS
• Mammography Image Databases：包含100多张带有地面实况的乳腺摄影图像，更多图像可按需提供，并提供其他乳腺摄影数据库的链接
• NLM HyperDoc Visible Human Project：提供彩色、CAT和MRI图像样本，超过30张图像
• CT Scans for Colon Cancer：CT Scans for Colon Cancer
• UTA4: Breast Cancer Medical Imaging DICOM Files Dataset & Resources：UTA4
• UTA7: Breast Cancer Medical Imaging DICOM Files Dataset & Resources：UTA7
• Facebook AI + NYU FastMRI：包括膝关节MRI和脑部(神经)MRI，包含训练、验证和掩码测试集，以及开源的PyTorch数据加载器

组织学和组织病理学（H&E, IHQ, ...）

• The Cancer Genome Atlas (TCGA)：TCGA
• International Cancer Genome Consortium：ICGC
• Stanford Tissue Microarray Database (TMA)：TMA
• MITOS dataset：MITOS
• Cancer Image Database (caIMAGE)：caIMAGE
• DPA’s Whole Slide Imaging Repository：DPA
• ITK Analysis of Large Histology Datasets：ITK
• Histology Photo Album：Histology Photo Album
• Slide Library of Virtual pathology, University of Leeds：Virtual pathology
• Aperio Images：Aperio Images
• HAPS Histology Image Database：HAPS
• BDGP images from the FlyExpress database：BDGP
• The UCSB Bio-Segmentation Benchmark dataset：UCSB
• Pap Smear database：Pap Smear
• Histology (CIMA) dataset：CIMA
• ANHIR dataset：ANHIR
• Genome RNAi dataset：Genome RNAi
• Chinese Hamster Ovary cells (CHO) dataset：CHO
• Locate Endogenus mouse sub-cellular organelles (END) database：END
• 2D HeLa dataset (HeLa) dataset：HeLa
• Allen Brain Atlas：Allen Brain Atlas
• 1000 Functional Connectomes Project：1000 Functional Connectomes
• The Cell Centered Database (CCDB)：CCDB
• The Encyclopedia of DNA Elements (ENCODE)：ENCODE
• The Human Protein Atlas：The Human Protein Atlas
• DRIVE: Digital Retinal Images for Vessel Extraction：DRIVE
• El Salvador Atlas of Gastrointestinal VideoEndoscopy：El Salvador Atlas
• BCNB: Early Breast Cancer Core-Needle Biopsy WSI Dataset：BCNB

基准测试数据库

• PEIPA Benchmark Databases：PEIPA
• MULAN Multilabel Classification Datasets：MULAN
• UCI Machine Learning Repository：UCI
• Datasets reporting formats for pathologists：Datasets for Pathologists
• DermNet - Skin disease atlas：DermNet

最新技术/挑战

• Grand Challenges in Medical Image Analysis：Grand Challenges
• Challenges in global health and development problems：Global Challenges
• Current state of the art of most used computer vision datasets：State of the Art
• Automatic Non-rigid Histological Image Registration (ANHIR) challenge：ANHIR Challenge

AI搜集汇总

数据集介绍

构建方式

该数据集的构建方式主要通过整合多个医学影像数据库而成。这些数据库涵盖了从胚胎和新生小鼠的显微镜成像到癌症影像的各种类型，包括但不限于超声波、乳房X光、CT扫描、MRI等。此外，数据集还纳入了组织学和病理学的图像数据，如HE染色和免疫组化图像。通过这种方式，数据集不仅提供了多模态的医学影像数据，还确保了数据的多样性和广泛性，以支持各种医学影像分析任务的研究和应用。

特点

该数据集的主要特点在于其多模态和多样性。它不仅包含了多种成像技术的数据，如MRI、CT、超声波等，还涵盖了从基础研究到临床应用的广泛领域。此外，数据集中的图像数据具有高分辨率和详细标注，为深度学习和计算机视觉算法提供了丰富的训练和测试资源。这种多模态和多样性的特点使得该数据集在医学影像分析领域具有极高的研究价值和应用潜力。

使用方法

该数据集的使用方法多样，适用于多种医学影像分析任务。研究者可以通过访问数据集的官方网站或GitHub页面下载所需的数据子集。数据集提供了详细的元数据和标注信息，便于用户进行数据预处理和模型训练。此外，数据集还支持多种编程语言和深度学习框架，如PyTorch和TensorFlow，使得用户能够方便地集成和应用这些数据。通过这些方法，研究者可以有效地利用该数据集进行医学影像分析的研究和开发。

背景与挑战

背景概述

医疗影像数据集（medical-imaging-datasets）是一个汇集了多种医疗影像数据的综合性资源库，旨在为医学影像分析领域的研究提供丰富的数据支持。该数据集由多个知名研究机构和大学共同维护，包括杜克大学、南加州大学和斯坦福大学等。其核心研究问题涵盖了从癌症检测到神经退行性疾病诊断的广泛领域，如乳腺癌、阿尔茨海默病和脑肿瘤等。自创建以来，该数据集已成为医学影像分析领域的重要资源，极大地推动了相关算法和技术的研发与应用。

当前挑战

尽管医疗影像数据集提供了丰富的资源，但其构建和应用过程中仍面临诸多挑战。首先，数据集的多样性和复杂性使得数据的标准化和统一处理成为一大难题。其次，医疗影像数据的隐私和安全问题尤为突出，如何在确保数据安全的前提下进行有效的数据共享和分析是一大挑战。此外，由于医疗影像数据的特殊性，如何确保数据的质量和准确性，以及如何有效地进行数据标注和分类，也是当前研究中亟待解决的问题。

常用场景

经典使用场景

在医学影像领域，medical-imaging-datasets数据集被广泛应用于多种经典场景。例如，研究人员利用该数据集进行图像分割、分类和识别任务，特别是在肿瘤检测和病理分析中。通过分析CT、MRI和超声波等多种成像技术生成的图像，该数据集支持开发和验证各种医学影像处理算法，从而提高诊断的准确性和效率。

实际应用

在实际应用中，medical-imaging-datasets数据集被广泛用于临床诊断和治疗规划。例如，放射科医生利用该数据集训练的算法来辅助肿瘤检测和定位，提高诊断的准确性。此外，该数据集还支持开发个性化治疗方案，通过分析患者的影像数据，医生可以更精确地制定治疗计划，从而提高治疗效果和患者生存率。

衍生相关工作

基于medical-imaging-datasets数据集，许多相关研究工作得以开展。例如，研究人员开发了多种图像处理和分析工具，如图像分割和配准算法，这些工具在医学影像分析中得到了广泛应用。此外，该数据集还促进了深度学习在医学影像领域的应用，推动了如卷积神经网络（CNN）等先进技术的发展，进一步提升了医学影像分析的自动化和智能化水平。