PI-CAI-Lite
收藏资源简介：
PI-CAI-Lite 是 PI-CAI 数据集的预处理精简版本，专注于前列腺癌的医学图像分割任务。该数据集包含 425 张前列腺 T2 加权磁共振（T2W）扫描图像，以及对应的 425 个由人类专家标注的临床显著性前列腺癌（csPCa）病灶掩膜。掩膜经过二值化处理，其中标签 1 表示临床显著性前列腺癌病灶。数据仅保留非空掩膜的病例，并排除了原始 PI-CAI 数据集中的 ADC 和 HBV 序列。所有图像和掩膜均已转换为 NIfTI 格式，并标准化为 RAS+ 方向。数据集还提供了病灶主轴和副轴端点的地标标注（P1-P4）。该数据集适用于开发、训练和评估用于前列腺癌病灶分割、肿瘤尺寸测量等任务的深度学习模型，并可集成到 MedVision 框架中，支持多种训练/测试配置（如轴向、冠状、矢状面视图）。
PI-CAI-Lite is a preprocessed lightweight version of the PI-CAI dataset, focusing on medical image segmentation for prostate cancer. It contains 425 prostate T2-weighted magnetic resonance (T2W) scans and corresponding 425 clinical significant prostate cancer (csPCa) lesion masks annotated by human experts. The masks are binarized, with label 1 indicating clinically significant prostate cancer lesions. Only cases with non-empty masks are retained, and the ADC and HBV sequences from the original PI-CAI dataset are excluded. All images and masks have been converted to NIfTI format and standardized to RAS+ orientation. The dataset also provides landmark annotations (P1-P4) for the endpoints of the major and minor axes of the lesions. This dataset is suitable for developing, training, and evaluating deep learning models for tasks such as prostate cancer lesion segmentation and tumor size measurement, and can be integrated into the MedVision framework, supporting various training/testing configurations (e.g., axial, coronal, sagittal views).
PI-CAI-Lite 数据集概述
基本信息
- 数据集名称：PI-CAI-Lite
- 许可证：CC BY-NC 4.0
- 任务类型：图像分割（image-segmentation）
- 语言：英语
- 标签：医学、图像、MRI、前列腺、癌症、分割
- 规模：少于1000个样本（n<1K）
数据集内容
本数据集是PI-CAI数据集（原始来源：Zenodo及picai_labels）的预处理再分发版本，仅保留经人类专家标注且含有临床显著性前列腺癌（csPCa）病灶掩膜的病例。
- Images/：425个T2加权（T2W）MRI扫描文件
- Masks/：425个对应的病灶掩膜文件
核心内容：前列腺T2加权MRI扫描及配套的人类专家标注的临床显著性前列腺癌（csPCa）病灶掩膜。
与源数据的关联
| 项目 | 说明 |
|---|---|
| 源数据集 | 1500例，每例包含T2W+ADC+HBV序列，均有专家csPCa勾画 |
| 排除内容 | ADC和HBV序列，以及专家掩膜为空的病例 |
| 本仓库 | 425个图像 + 425个掩膜 |
筛选原则：仅保留人类专家掩膜非空的病例。在原始1500例中，只有少数包含勾画出的临床显著性病灶，其余病例的专家掩膜全为零，不适用于肿瘤-病灶-尺寸测量任务，因此未纳入分发。
专家掩膜来源：picai_labels为全部1500例发布了专家csPCa勾画，包括两个独立文件夹——human_expert/resampled/（1295例）及human_expert/Pooch25/（205例，由Pooch等人于2025年补充），本数据集同时使用了这两部分。
序列选择：仅包含T2W序列。由于原始标注是在T2W、ADC或DWI/HBV图像分辨率下绘制的，只有重采样至T2W网格的勾画才能保证图像与掩膜的精确对应。
预处理说明
- T2W图像由
.mha格式转换为nii.gz；掩膜与T2W网格对齐。 - 掩膜原始编码为ISUP分级值（{2,3,4,5}，无标签1），已被二值化为{0,1}，标签1表示病灶。
- 图像和掩膜统一重定向至RAS+方向。
分割标签
python labels_map = { "1": "clinically significant prostate cancer lesion" }
地标标注
python landmarks_map = { "P1": "most right/anterior/superior endpoint of the major axis", "P2": "most left/superior/inferior endpoint of the major axis", "P3": "most right/anterior/superior endpoint of the minor axis", "P4": "most left/superior/inferior endpoint of the minor axis" }
数据使用协议
- 必须遵守源数据集的
CC BY-NC 4.0许可条款。 - 建议在出版物中引用本数据集来源：https://huggingface.co/datasets/YongchengYAO/PI-CAI-Lite
- 必须引用原始出版物：
- https://doi.org/10.5281/zenodo.6667655
- https://doi.org/10.1101/2025.05.13.25327456
官方发布
详细信息请访问官方网站：https://pi-cai.grand-challenge.org/
下载方式
python
python
from huggingface_hub import snapshot_download snapshot_download(repo_id="YongchengYAO/PI-CAI-Lite", repo_type=dataset, local_dir="/your/local/folder")
关联资源
数据集与🔥MedVision（https://huggingface.co/datasets/YongchengYAO/MedVision）🔥集成，可从中加载完整图像和标注，支持多个任务配置（包括BoxSize、MaskSize、TumorLesionSize任务，各有轴位、冠状位、矢状位的训练/测试配置）。
