medical-imaging-datasets

包含多种医学影像数据集，如CT、MRI、超声、X光等，以及组织学和组织病理学数据集，用于医学研究和诊断。

This dataset encompasses a variety of medical imaging data, including CT, MRI, ultrasound, X-ray, as well as histological and histopathological datasets, 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)

  • 数据集：Embrionic and Neonatal Mouse (H&E, MR)
  • 链接：http://www.civm.duhs.duke.edu/devatlas/
  • 用户指南：http://www.civm.duhs.duke.edu/devatlas/UserGuide.pdf

• LONI Image Data Archive

  • 链接：https://ida.loni.usc.edu/services/Menu/IdaData.jsp?project=

• Radiology

  • 包含：Ultrasound, Mammographs, X-Ray, CT, MRI, fMRI等

• Collaborative Informatics and Neuroimaging Suite (COINS)

  • 链接：https://portal.mrn.org/micis/index.php?subsite=dx

• The Cancer Imaging Archive (TCIA)

  • 链接：http://www.cancerimagingarchive.net/

• Alzheimer’s Disease Neuroimaging Initiative (ADNI)

  • 链接：http://adni.loni.ucla.edu/

• The Open Access Series of Imaging Studies (OASIS)

  • 链接：http://www.oasis-brains.org/

• Breast Cancer Digital Repository

  • 链接：https://bcdr.eu/

• DDSM: Digital Database for Screening Mammography

  • 链接：http://marathon.csee.usf.edu/Mammography/Database.html

• The Mammographic Image Analysis Society (MIAS) mini-database

  • 链接：http://peipa.essex.ac.uk/info/mias.html

• Mammography Image Databases

  • 包含：100 or more images of mammograms with ground truth
  • 链接：http://marathon.csee.usf.edu/Mammography/Database.html

• NLM HyperDoc Visible Human Project

  • 包含：color, CAT and MRI image samples - over 30 images
  • 链接：http://www.nlm.nih.gov/research/visible/visible_human.html

• CT Scans for Colon Cancer

  • 链接：https://wiki.cancerimagingarchive.net/display/Public/CT+COLONOGRAPHY#e88604ec5c654f60a897fa77906f88a6

• UTA4: Breast Cancer Medical Imaging DICOM Files Dataset & Resources

  • 包含：MG, US and MRI
  • 链接：https://github.com/MIMBCD-UI/dataset-uta4-dicom

组织学和组织病理学（H&E, IHQ, ...）

• The Cancer Genome Atlas (TCGA)

  • 链接：http://cancergenome.nih.gov/
  • 数据门户：https://tcga-data.nci.nih.gov/tcga/

• International Cancer Genome Consortium

  • 链接：http://icgc.org
  • 数据门户：http://dcc.icgc.org/

• Stanford Tissue Microarray Database (TMA)

  • 链接：http://tma.im

• MITOS dataset

  • 链接：http://www.ipal.cnrs.fr/event/icpr-2012

• Cancer Image Database (caIMAGE)

  • 链接：https://emice.nci.nih.gov/caimage

• DPA’s Whole Slide Imaging Repository

  • 链接：https://digitalpathologyassociation.org/whole-slide-imaging-repository

• ITK Analysis of Large Histology Datasets

  • 链接：http://www.na-mic.org/Wiki/index.php/ITK_Analysis_of_Large_Histology_Datasets

• Histology Photo Album

  • 链接：http://www.histology-world.com/photoalbum/thumbnails.php?album=52

• Slide Library of Virtual pathology, University of Leeds

  • 链接：http://www.virtualpathology.leeds.ac.uk/

• Aperio Images

  • 链接：http://images.aperio.com/

• HAPS Histology Image Database

  • 链接：http://hapshistology.wikifoundry.com/

细胞和分子生物学数据库

• BDGP images from the FlyExpress database

  • 链接：www.flyexpress.net

• The UCSB Bio-Segmentation Benchmark dataset

  • 链接：http://www.bioimage.ucsb.edu/research/biosegmentation

• Pap Smear database

  • 链接：http://mde-lab.aegean.gr/index.php/downloads

• Histology (CIMA) dataset

  • 链接：http://cmp.felk.cvut.cz/~borovji3/?page=dataset

• ANHIR dataset

  • 链接：https://anhir.grand-challenge.org/

• Genome RNAi dataset

  • 链接：http://www.genomernai.org/

• Chinese Hamster Ovary cells (CHO) dataset

  • 链接：http://www.chogenome.org/data.html

• Locate Endogenus mouse sub-cellular organelles (END) database

  • 链接：http://locate.imb.uq.edu.au/

• 2D HeLa dataset (HeLa) dataset

  • 链接：https://ome.grc.nia.nih.gov/iicbu2008/hela/index.html

• Allen Brain Atlas

  • 链接：http://www.brain-map.org/

• 1000 Functional Connectomes Project

  • 链接：http://fcon_1000.projects.nitrc.org/

• The Cell Centered Database (CCDB)

  • 链接：https://library.ucsd.edu/dc/collection/bb5940732k

• The Encyclopedia of DNA Elements (ENCODE)

  • 链接：http://genome.ucsc.edu/ENCODE/
  • 用户指南：http://www.plosbiology.org/article/info:doi/10.1371/journal.pbio.1001046

• The Human Protein Atlas

  • 链接：http://www.proteinatlas.org/

• DRIVE: Digital Retinal Images for Vessel Extraction

  • 包含：Ground truth
  • 链接：http://www.isi.uu.nl/Research/Databases/DRIVE/

• El Salvador Atlas of Gastrointestinal VideoEndoscopy

  • 包含：Images and Videos of hi-res of studies taken from Gastrointestinal Video endoscopy
  • 链接：http://www.gastrointestinalatlas.com/

基准测试数据库

• Benchmark Databases

  • 链接：http://peipa.essex.ac.uk/benchmark/databases/

• Mulan Datasets for Multi-label Classification

  • 链接：http://mulan.sourceforge.net/datasets-mlc.html

• UCI Machine Learning Repository

  • 链接：https://archive.ics.uci.edu/ml/datasets.php

• Datasets Reporting Formats for Pathologists

  • 链接：http://www.rcpath.org/publications-media/publications/datasets

• DermNet - Skin Disease Atlas

  • 包含：23 image classes and 23,000 images
  • 链接：http://www.dermnet.com/

最新技术/挑战

• Grand Challenges in Medical Image Analysis

  • 链接：https://grand-challenge.org/

• Challenges in Global Health and Development Problems

  • 链接：https://grandchallenges.org/#/map

• Current State of the Art of Most Used Computer Vision Datasets

  • 链接：http://rodrigob.github.io/are_we_there_yet/build/

• Automatic Non-rigid Histological Image Registration (ANHIR) Challenge

  • 链接：https://anhir.grand-challenge.org/

搜集汇总

数据集介绍

构建方式

medical-imaging-datasets 数据集的构建基于对多个医学影像数据库的整合与分类。该数据集从多个权威来源收集了大量医学影像数据，涵盖了从放射学、病理学到细胞学等多个领域。数据集的构建过程中，不仅包括了对现有数据库的链接和描述，还特别关注了多模态数据库的整合，如MRI、CT、超声等多种影像类型的数据。此外，数据集还包含了详细的元数据和用户指南，以确保数据的可用性和可解释性。

特点

该数据集的一个显著特点是其广泛的多模态覆盖，包括但不限于MRI、CT、超声、病理切片等，这为跨领域的医学影像研究提供了丰富的资源。此外，数据集中的每个数据库都附有详细的描述和用户指南，便于研究者快速上手。数据集还特别强调了用于基准测试和挑战的数据库，为算法评估和比较提供了标准化的平台。

使用方法

使用该数据集时，研究者可以根据研究需求选择特定的数据库进行下载和分析。每个数据库通常附有详细的使用说明和元数据，帮助用户理解数据的背景和使用方法。对于需要进行基准测试的研究，数据集提供了专门用于评估和比较的数据库链接。此外，数据集还支持多模态数据的联合分析，为跨领域的研究提供了便利。

背景与挑战

背景概述

医疗影像数据集（medical-imaging-datasets）是由多个研究机构和组织共同维护的一个综合性资源库，旨在为医学影像领域的研究提供丰富的数据支持。该数据集涵盖了多种医学影像类型，包括但不限于超声波、X射线、CT、MRI等，涉及的疾病领域广泛，如癌症、阿尔茨海默病、乳腺癌等。其创建时间可追溯至多个独立项目的启动时间，主要研究人员和机构包括杜克大学、南加州大学、斯坦福大学等知名学府和研究机构。核心研究问题集中在医学影像的分析、诊断和治疗方案的优化上，对推动医学影像分析技术的发展具有重要影响力。

当前挑战

医疗影像数据集在构建和应用过程中面临诸多挑战。首先，数据的质量和标准化是一个关键问题，不同设备和机构生成的影像数据在格式和质量上存在差异，增加了数据处理的复杂性。其次，隐私和伦理问题也是一大挑战，医疗影像数据涉及患者的敏感信息，如何在数据共享和隐私保护之间找到平衡点是一个亟待解决的问题。此外，数据集的多样性和规模也对算法的泛化能力和计算资源提出了高要求。最后，如何有效地整合多模态数据，以提高诊断的准确性和效率，是当前研究中的一个重要挑战。

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，如疾病诊断、图像分割和模式识别。例如，研究人员利用该数据集中的CT和MRI图像进行肿瘤检测和分类，通过分析图像特征来辅助医生做出更准确的诊断决策。此外，该数据集还支持多模态数据分析，如结合超声波和X射线图像，以提高诊断的全面性和准确性。

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，有研究者利用该数据集开发了新的图像分割算法，用于提高肿瘤检测的准确性。此外，该数据集还促进了多模态图像分析技术的发展，如结合MRI和PET图像进行更全面的疾病评估。这些衍生工作不仅推动了医学影像分析技术的进步，也为临床应用提供了新的工具和方法。

数据集最近研究

最新研究方向

在医学影像领域，medical-imaging-datasets数据集的最新研究方向主要集中在多模态数据的融合与分析。随着深度学习和人工智能技术的快速发展，研究人员正致力于整合不同类型的医学影像数据，如MRI、CT、超声波和组织病理学图像，以提高疾病诊断的准确性和效率。此外，该领域的研究还涉及大规模数据集的构建与应用，通过跨机构和跨国家的数据共享，推动全球范围内的医学影像分析标准化和自动化。这些研究不仅有助于提升临床诊断的精确度，还为个性化医疗和疾病预防提供了新的可能性。