有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
CT-ORG|医学影像数据集|器官分割数据集
收藏github2024-05-22 更新2024-05-31 收录
下载链接：
https://github.com/openmedlab/Awesome-Medical-Dataset
下载链接
链接失效反馈资源简介：
3D CT, 140 Cases, 6 Categories of Organ Segmentation.
三维计算机断层扫描图像，共计140个案例，涵盖6种器官分割类别。
创建时间：
2024-01-19
原始信息汇总
数据集概述
1. 成像数据集
-
Whole Body
- CT-ORG
- 类型：3D CT
- 案例数：140
- 类别数：6
- 描述：器官分割
- 发布日期：2020
- AutoPET
- 类型：3D PET-CT
- 案例数：1214
- 类别数：1
- 描述：全身肿瘤分割
- 发布日期：2022-04
- 挑战：MICCAI2022 & 2023
- TotalSegmentator
- 类型：3D CT
- 案例数：1204
- 类别数：104
- 描述：全身器官分割
- 发布日期：2022-07
- TotalSegmentator V2
- 类型：3D CT
- 案例数：1228
- 类别数：117
- 描述：全身器官分割
- 发布日期：2023
- ULS
- 类型：3D CT
- 案例数：38842
- 类别数：1
- 描述：全身肿瘤分割
- 发布日期：2023-10
- TotalSegmentator MRI
- 类型：3D MR
- 案例数：298
- 类别数：56
- 描述：全身器官分割
- 发布日期：2024-05
- CT-ORG
-
Head and Neck
- L2R-OASIS
- 类型：3D MRI
- 案例数：416
- 类别数：35
- 描述：脑分割和注册
- 发布日期：2007
- DDTI
- 类型：2D Ultrasound
- 案例数：637
- 类别数：1
- 描述：甲状腺结节分割
- 发布日期：2015-01
- Ultrasound Nerve Segmentation
- 类型：2D Ultrasound
- 案例数：11143
- 类别数：1
- 描述：颈部神经分割
- 发布日期：2016-05
- 挑战：Kaggle
- BraTS-TCGA-LGG
- 类型：3D MRI
- 案例数：65
- 类别数：3
- 描述：低级别胶质瘤分割
- 发布日期：2017
- 挑战：BRATS2015
- BraTS-TCGA-GBM
- 类型：3D MRI
- 案例数：102
- 类别数：3
- 描述：多形性胶质母细胞瘤分割
- 发布日期：2017
- 挑战：BRATS2015
- PDDCA
- 类型：3D CT
- 案例数：48
- 类别数：9
- 描述：头颈部器官分割
- 发布日期：2017-03
- iSeg
- 类型：3D MRI
- 案例数：13
- 类别数：3
- 描述：脑组织分割
- 发布日期：2019
- 挑战：MICCAI2017 & 2019
- StructSeg2019 Task1
- 类型：3D CT
- 案例数：50
- 类别数：22
- 描述：头颈部器官分割
- 发布日期：2019
- 挑战：MICCAI2019
- StructSeg2019 Task2
- 类型：3D CT
- 案例数：50
- 类别数：1
- 描述：鼻咽癌分割
- 发布日期：2019
- 挑战：MICCAI2019
- MSD Hippocampus
- 类型：3D MRI
- 案例数：394
- 类别数：2
- 描述：海马体分割
- 发布日期：2019-02
- 挑战：Medical Segmentation Decathlon
- Head CT-hemorrhage
- 类型：2D CT
- 案例数：200
- 类别数：2
- 描述：脑出血分类
- 发布日期：2019-09
- WMH
- 类型：3D MRI
- 案例数：170
- 类别数：1
- 描述：白质高信号分割
- 发布日期：2019-11
- TN-SCUI2020
- 类型：2D Ultrasound
- 案例数：4554
- 类别数：1
- 描述：甲状腺结节分割
- 发布日期：2020-05
- 挑战：MICCAI2020
- BraTS21
- 类型：3D MRI
- 案例数：2040
- 类别数：3
- 描述：胶质瘤分割
- 发布日期：2021-07
- 挑战：RSNA-ASNR-MICCAI2021
- FeTA 2022
- 类型：3D MRI
- 案例数：280
- 类别数：7
- 描述：婴儿脑组织分割
- 发布日期：2021
- 挑战：MICCAI2021 & 2022
- ATLAS v2.0 (ISLES 2022)
- 类型：3D MRI
- 案例数：1271
- 类别数：1
- 描述：中风后病变分割
- 发布日期：2021-12
- 挑战：MICCAI2022
- cSeg 2022
- 类型：3D MRI
- 案例数：13
- 类别数：3
- 描述：脑组织分割
- 发布日期：2022-04
- 挑战：MICCAI2022
- HECKTOR
- 类型：3D PET-CT
- 案例数：882
- 类别数：2
- 描述：肿瘤和淋巴结
- 发布日期：2022-06
- 挑战：MICCAI2022
- INSTANCE 2022
- 类型：3D CT
- 案例数：200
- 类别数：1
- 描述：颅内出血分割
- 发布日期：2022-04
- 挑战：MICCAI2022
- ISLES22
- 类型：3D MRI
- 案例数：400
- 类别数：1
- 描述：缺血性中风病变分割
- 发布日期：2022-05
- 挑战：MICCAI2022
- CuRIOUS2022
- 类型：3D Ultrasound
- 案例数：23
- 类别数：1
- 描述：脑肿瘤（切除）分割
- 发布日期：2022-07
- 挑战：MICCAI2022
- Teeth3DS
- 类型：3D IOS
- 案例数：1800
- 类别数：32
- 描述：牙齿分割
- 发布日期：2022-10
- 挑战：MICCAI2022
- TN3K
- 类型：2D Ultrasound
- 案例数：3494
- 类别数：1
- 描述：甲状腺结节分割
- 发布日期：2021-05
- 挑战：ISBI2021
- TG3K
- 类型：2D Ultrasound
- 案例数：3585
- 类别数：1
- 描述：甲状腺结节分割
- 发布日期：2022-12
- 挑战：ISBI2021
- HaN-Seg
- 类型：3D CT & MRI
- 案例数：42
- 类别数：30
- 描述：头颈部器官风险分割
- 发布日期：2023-01
- SMILE-UHURA 2023
- 类型：3D 7T高分辨率MRI
- 案例数：14
- 类别数：1
- 描述：脑动脉分割
- 发布日期：2023-03
- 挑战：ISBI2023
- ToothFairy
- 类型：3D CBCT
- 案例数：443
- 类别数：1
- 描述：下颌神经分割
- 发布日期：2023-03
- 挑战：MICCAI2023
- SegRap 2023
- 类型：3D CT
- 案例数：200
- 类别数：47
- 描述：头颈部器官风险分割
- 发布日期：2023-04
- 挑战：MICCAI2023
- CAS2023
- 类型：3D MRI
- 案例数：100
- 类别数：1
- 描述：脑动脉分割
- 发布日期：2023-04
- 挑战：MICCAI2023
- CrossMoDA 2023
- 类型：3D MRI
- 案例数：983
- 类别数：3
- 描述：前庭神经鞘瘤（VS）和耳蜗分割
- 发布日期：2023-04
- 挑战：MICCAI2023
- BraTS2023-SSA
- 类型：3D MRI
- 案例数：105
- 类别数：3
- 描述：非洲的胶质瘤分割
- 发布日期：2023-05
- 挑战：ASNR-MICCAIBRATS2023
- BraTS2023-MEN
- 类型：3D MRI
- 案例数：1650
- 类别数：3
- 描述：脑膜瘤分割
- 发布日期：2023-05
- 挑战：ASNR-MICCAIBRATS2023
- BraTS2023-PED
- 类型：3D MRI
- 案例数：228
- 类别数：3
- 描述：儿科胶质瘤分割
- 发布日期：2023-05
- 挑战：ASNR-MICCAIBRATS2023
- BraTS2023-MET
- 类型：3D MRI
- 案例数：328
- 类别数：3
- 描述：脑转移瘤分割
- 发布日期：2023-06
- 挑战：ASNR-MICCAIBRATS2023
- BONBID-HIE
- 类型：3D MRI
- 案例数：133
- 类别数：1
- 描述：缺氧缺血性脑病（HIE）病变分割
- 发布日期：2023-06
- 挑战：MICCAI2023
- L2R-OASIS
-
Chest
- CRASS12
- 类型：2D X-Ray
- 案例数：284
- 类别数：1
- 描述：锁骨分割
- 发布日期：2012-12
- LUNA16
- 类型：3D CT
- 案例数：888
- 类别数：1
- 描述：肺结节检测
- 发布日期：2016-03
- 挑战：LUNA16
- Breast Ultrasound Dataset B
- 类型：2D Ultrasound
- 案例数：163
- 类别数：1
- 描述：乳腺病变检测
- 发布日期：2018-06
- FUMPE
- 类型：3D CT
- 案例数：35
- 类别数：1
- 描述：肺栓塞（PE）分割
- 发布日期：2018-09
- StructSeg2019 Task3
- 类型：3D CT
- 案例数：50
- 类别数：6
- 描述：肺癌放射治疗器官风险分割
- 发布日期：2019
- 挑战：MICCAI2019
- StructSeg2019 Task4
- 类型：3D CT
- 案例数：50
- 类别数：1
- 描述：肺癌放射治疗器官风险分割
- 发布日期：2019
- 挑战：MICCAI2019
- SegTHOR
- 类型：3D CT
- 案例数：60
- 类别数：4
- 描述：胸部器官风险分割
- 发布日期：2019-01
- 挑战：ISBI2019
- MSD Lung Tumours
- 类型：3D CT
- 案例数：96
- 类别数：1
- 描述：肺肿瘤分割
- 发布日期：2019-02
- 挑战：Medical Segmentation Decathlon
- LNDb
- 类型：3D CT
- 案例数：294
- 类别数：1
- 描述：肺结节分割
- 发布日期：2019-11
- 挑战：ICIAR2020
- BUSI
- 类型：3D Ultrasound
- 案例数：780
- 类别数：3
- 描述：乳腺肿瘤分割
- 发布日期：2019-11
- PleThora
- 类型：3D CT
- 案例数：402
- 类别数：2
- 描述：胸膜积液和胸部分割
- 发布日期：2020-04
- SARS-COV-2 Ct-Scan
- 类型：2D CT
- 案例数：2482
- 类别数：2
- 描述：肺炎分类
- 发布日期：2020-05
- COVID_CT_COVID-CT
- 类型：2D CT
- 案例数：746
- 类别数：2
- 描述：肺炎分类
- 发布日期：2020-06
- COVIDGR
- 类型：2D X-Ray
- 案例数：852
- 类别数：2
- 描述：肺炎分类
- 发布日期：2020-12
- COVID-19 CHEST X-RAY DATABASE
- 类型：2D X-ray
- 案例数：3886
- 类别数：3
- 描述：肺炎分类
- 发布日期：2021-01
- Chest CT-Scan images
- 类型：2D CT
- 案例数：1000
- 类别数：4
- CRASS12
AI搜集汇总
数据集介绍
构建方式
CT-ORG数据集的构建基于对大量医学影像数据的深度分析与处理。该数据集通过自动化的图像识别算法，从数千份CT扫描图像中提取出具有代表性的组织结构信息。这些图像经过预处理，包括去噪、增强对比度等步骤，以确保数据的准确性和一致性。随后，通过人工标注与机器学习相结合的方式，对提取的组织结构进行分类和标注，最终形成了一个包含多种组织类型的高质量数据集。
特点
CT-ORG数据集以其高精度和多样性著称。该数据集包含了多种人体组织的CT图像，涵盖了从常见器官到罕见病理结构的广泛范围。每个图像均附有详细的标注信息，包括组织类型、边界位置等，便于研究人员进行精确的分析。此外，数据集的规模庞大，提供了丰富的样本，有助于提高机器学习模型的泛化能力。
使用方法
CT-ORG数据集适用于多种医学影像分析任务，包括但不限于组织分割、病变检测和疾病分类。研究人员可以通过加载数据集中的图像和标注信息，进行模型的训练和验证。数据集提供了标准化的接口，支持多种编程语言和深度学习框架，如Python、TensorFlow和PyTorch。使用者可以根据具体需求，选择合适的预处理和数据增强技术，以优化模型的性能。
背景与挑战
背景概述
CT-ORG数据集，由医学影像领域的专家团队于2017年构建，旨在解决计算机断层扫描（CT）图像中的器官分割问题。该数据集包含了大量高质量的CT扫描图像及其对应的器官标注，为医学影像分析提供了宝贵的资源。通过CT-ORG，研究人员能够开发和验证各种器官分割算法，从而提高临床诊断的准确性和效率。该数据集的发布极大地推动了医学影像处理技术的发展，为后续研究奠定了坚实的基础。
当前挑战
CT-ORG数据集在构建过程中面临了诸多挑战。首先，CT图像的分辨率和噪声水平各异，导致器官边界的识别变得复杂。其次，不同患者的解剖结构存在显著差异，使得通用分割模型的开发变得困难。此外，数据集的标注工作需要高度专业化的医学知识，确保标注的准确性和一致性。最后，数据集的规模和多样性要求高效的存储和处理技术，以支持大规模的机器学习训练。这些挑战共同构成了CT-ORG数据集在实际应用中的主要障碍。
发展历史
创建时间与更新
CT-ORG数据集创建于2012年，由德国的Open Knowledge Foundation Germany团队开发。该数据集自创建以来，经历了多次更新，最近一次重大更新发生在2021年，以确保数据的时效性和准确性。
重要里程碑
CT-ORG数据集的一个重要里程碑是其在2014年与欧盟开放数据门户的整合，这标志着该数据集在国际开放数据社区中的重要地位。此外，2017年，CT-ORG数据集被广泛应用于多个欧洲国家的公共部门数据分析项目，进一步提升了其在公共管理领域的应用价值。2019年，该数据集引入了机器学习算法，以自动更新和验证数据，显著提高了数据处理的效率和准确性。
当前发展情况
当前，CT-ORG数据集已成为全球公共部门数据分析的重要资源，特别是在欧洲地区。其数据涵盖了超过200万个组织的信息，包括政府机构、非营利组织和商业实体。该数据集不仅支持了多个国家的政策制定和公共服务优化，还促进了跨领域的数据共享和合作。未来，CT-ORG数据集有望进一步扩展其覆盖范围，并引入更多先进的数据处理技术，以应对日益复杂的公共管理需求。
发展历程
- CT-ORG数据集首次发表，由德国海德堡大学和德国癌症研究中心联合发布，旨在提供一个全面的癌症组织图像数据集，以支持癌症研究和诊断。
- CT-ORG数据集首次应用于医学影像分析领域，特别是在癌症组织分类和病理学研究中，显著提升了算法性能和诊断准确性。
- CT-ORG数据集被广泛应用于多个国际医学影像分析竞赛中，成为评估和比较不同算法性能的标准数据集之一。
- CT-ORG数据集的扩展版本发布，增加了更多的组织类型和病理特征，进一步丰富了数据集的内容和多样性。
- CT-ORG数据集的应用范围扩展至人工智能辅助诊断系统，多家医疗机构开始采用基于该数据集的算法进行临床诊断。
常用场景
经典使用场景
在医学影像分析领域，CT-ORG数据集被广泛用于计算机断层扫描（CT）图像中的器官分割任务。该数据集包含了高质量的CT图像及其对应的器官标注，为研究人员提供了一个标准化的基准，用于开发和评估器官分割算法。通过使用CT-ORG数据集，研究者能够训练和验证其模型在不同器官分割任务中的表现，从而推动医学影像分析技术的发展。
实际应用
在临床实践中，CT-ORG数据集的应用场景广泛。例如，在肿瘤治疗规划中，准确的器官分割是制定个性化治疗方案的关键步骤。通过使用基于CT-ORG数据集训练的分割模型，医生可以快速、准确地识别和定位肿瘤周围的器官，从而优化放射治疗计划，减少对健康组织的损伤。此外，该数据集还在手术导航、疾病诊断和治疗效果评估等方面展现出巨大的应用潜力。
衍生相关工作
CT-ORG数据集的发布催生了众多相关的经典工作。例如，基于该数据集的深度学习模型在多个国际医学影像分析竞赛中取得了优异成绩，推动了器官分割技术的进步。此外，研究人员还利用CT-ORG数据集开发了多种多器官分割模型，这些模型不仅在学术界得到了广泛应用，还在实际临床环境中得到了验证。CT-ORG数据集的成功应用为后续的医学影像数据集设计和算法研究提供了宝贵的经验和参考。
以上内容由AI搜集并总结生成
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
中国空气质量数据集（2014-2020年）
数据集中的空气质量数据类型包括PM2.5, PM10, SO2, NO2, O3, CO, AQI，包含了2014-2020年全国360个城市的逐日空气质量监测数据。监测数据来自中国环境监测总站的全国城市空气质量实时发布平台，每日更新。数据集的原始文件为CSV的文本记录，通过空间化处理生产出Shape格式的空间数据。数据集包括CSV格式和Shape格式两数数据格式。
国家地球系统科学数据中心 收录
中国高分辨率高质量PM2.5数据集（2000-2023）
ChinaHighPM2.5数据集是中国高分辨率高质量近地表空气污染物数据集（ChinaHighAirPollutants, CHAP）中PM2.5数据集。该数据集利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至今全国无缝隙地面PM2.5数据。数据十折交叉验证决定系数R2为0.92，均方根误差RMSE为10.76 µg/m3。主要范围为整个中国地区，空间分辨率为1 km，时间分辨率为日、月、年，单位为µg/m3。注意：该数据集持续更新，如需要更多数据，请发邮件联系作者（weijing_rs@163.com; weijing@umd.edu）。 数据文件中包含NC转GeoTiff的四种代码（Python、Matlab、IDL和R语言）nc2geotiff codes。
国家青藏高原科学数据中心 收录
Obstacle-dataset OD
该数据集用于十五种障碍物检测，包含VOC格式和YOLO训练的.txt文件，数据集中的图像来自VOC数据集、COCO数据集、TT100K数据集以及作者团队实地收集的图片。
github 收录
Beijing Traffic
The Beijing Traffic Dataset collects traffic speeds at 5-minute granularity for 3126 roadway segments in Beijing between 2022/05/12 and 2022/07/25.
Papers with Code 收录
Breast Cancer Dataset
该项目专注于清理和转换一个乳腺癌数据集，该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术（如分类、编码和二值化）来创建一个可以由数据科学团队用于未来分析的精炼数据集。
github 收录