Medical-Imaging-Datasets|医学影像数据集|数据分析数据集

这是一个公开的医学影像数据集集合，旨在为医学影像分析领域的研究人员、医疗专业人员和开发者提供一个全面且有价值的资源。

This is a publicly available collection of medical imaging datasets, designed to provide researchers, healthcare professionals, and developers in the field of medical imaging analysis with a comprehensive and valuable resource.

原始信息汇总

数据集概述

简介

本数据集是一个公开的医学影像数据集集合，旨在为医学影像分析领域的研究人员、医疗专业人员和开发者提供全面且有价值的数据资源。

数据集分类

数据集按照人体部位和系统进行分类，具体包括：

• 头部和颈部
  • 大脑
  • 耳朵、鼻子、牙齿和喉咙
  • 眼睛
• 胸部和腹部
  • 肠
  • 乳腺
  • 心脏和血管
  • 肾脏和泌尿道
  • 肝脏
  • 肺
• 肌肉骨骼系统
  • 骨骼
  • 关节
• 骨盆和生殖器官
  • 女性生殖器官
  • 男性生殖器官
• 其他器官和系统
  • 淋巴结
  • 皮肤
• 多器官数据集

头部和颈部数据集示例

大脑

• 7-Tesla resting-state fMRI test-retest

  • 描述：22名参与者在间隔一周的两个会话中进行扫描。
  • 关键词：高场fMRI，标记
  • 相关论文：链接

• AANLIB

  • 描述：哈佛全脑图谱
  • 关键词：多模态

• ABCD Neurocognitive Prediction

  • 描述：9-10岁儿童的T1加权MRI扫描和流体智力分数
  • 关键词：MRI，分割，标记
  • 相关论文：链接

• ABIDE

  • 描述：自闭症脑成像数据交换
  • 关键词：自闭症谱系障碍（ASDs），MRI
  • 相关论文：链接

• ADHD-200

  • 描述：776个静息状态fMRI和解剖数据集，来自8个独立成像站点
  • 相关论文：链接

• ADNI

  • 描述：阿尔茨海默病神经影像学倡议
  • 关键词：多模态
  • 相关论文：链接

• Age-ility

  • 描述：包含136名受试者的数据集
  • 关键词：MRI，EEG
  • 相关论文：链接

• AOMIC

  • 描述：阿姆斯特丹开放MRI集合，包含三个多模态（3T）MRI数据集
  • 关键词：MRI
  • 相关论文：链接

• ATLAS R2.0

  • 描述：包含T1w MRI和手动分割的病变掩模的大型数据集
  • 关键词：MRI，分割，标记
  • 相关论文：链接

• Beijing Enhanced

  • 描述：包含180名健康控制者的社区样本数据
  • 关键词：静息状态fMRI

• BHSD

  • 描述：包含192个体积的多类ICH数据集，具有像素级注释和2200个体积的切片级注释，跨越五类ICH
  • 关键词：颅内出血（ICH），CT扫描，标记
  • 相关论文：链接

• BigBrain

  • 描述：人类大脑的微观分辨率3D模型
  • 关键词：X射线，标记

• BONBID-HIE

  • 描述：波士顿新生儿脑损伤数据集，用于缺氧缺血性脑病
  • 关键词：MRI，分割，标记
  • 相关论文：链接

• BR35H

  • 描述：脑肿瘤检测
  • 关键词：MRI，检测，分类，标记

• BrainMetShare

  • 描述：包含156个全脑MRI研究的数据集，包括高分辨率、多模态预和后对比序列，至少有1个脑转移
  • 关键词：检测，MRI，分割，标记
  • 相关论文：链接

• BRAINS

  • 描述：正常受试者的脑图像
  • 关键词：MRI
  • 相关论文：链接

• Brain Tumor Classification

  • 描述：将MRI图像分类为四个类别
  • 关键词：MRI，标记

• Brian Tumor Dataset

  • 描述：包含诊断为脑肿瘤的患者的扫描脑图像的数据集
  • 关键词：X射线，癌症，标记

• brain tumor dataset

  • 描述：包含3064个T1加权对比增强图像，来自233名患有三种脑肿瘤的患者：脑膜瘤，胶质瘤和垂体肿瘤
  • 关键词：癌症，MRI，标记
  • 相关论文：链接 和 链接

• BrainPTM 2021

  • 描述：包含75个案例的数据
  • 关键词：MRI，癌症，分割，标记
  • 相关论文：链接

• BRATS2012

  • 描述：脑肿瘤分割，肿瘤和水肿区域已手动描绘
  • 关键词：多模态MRI，癌症，标记
  • 相关论文：链接

• BRATS2013

  • 描述：包含60个去标识临床案例的集合
  • 关键词：多参数，MRI，癌症，标记
  • 相关论文：链接

• BRATS2014

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记
  • 相关论文：链接

• BRATS2015

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记

• BRATS2017

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记

• BRATS2018

  • 描述：使用多机构术前MRI扫描的数据集，专注于分割内在异质性脑肿瘤
  • 关键词：MRI，癌症，标记

• BRATS2019

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记
  • 相关论文：链接

• BRATS2020

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记
  • 相关论文：链接

• BRATS2021

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记
  • 相关论文：链接

• BRATS2022

  • 描述：脑肿瘤分割
  • 关键词：MRI，癌症，标记
  • 相关论文：链接

• BRATS2023

  • 描述：脑肿瘤分割，解决额外的群体、肿瘤（例如脑膜瘤）、临床问题和技术考虑
  • 关键词：MRI，癌症，标记
  • 相关论文：链接

• CADA

  • 描述：脑动脉瘤检测和分析
  • 关键词：X射线旋转血管造影（3DRA），分割，标记
  • 相关论文：链接

• CADDementia

  • 描述：计算机辅助痴呆诊断
  • 关键词：阿尔茨海默病（AD），MRI
  • 相关论文：链接 和 链接

• Calgary-Campinas

  • 描述：由约359个数据集组成，每个供应商和磁场强度约60个受试者
  • 关键词：MRI，分割，标记
  • 相关论文：链接 和 链接

• Cam-CAN

  • 描述：剑桥老龄化和神经科学中心，近700名成年人使用结构磁共振成像、功能MRI、脑磁图和完成多项认知实验进行扫描
  • 关键词：寿命，MRI，fMRI，MEG
  • 相关论文：链接 和 链接

• Changes Associated with Heavy Cannabis Use

  • 描述：大麻使用者的T1加权结构MRI研究，基线和3年随访
  • 关键词：MRI
  • 相关论文：链接

• CMI-HBN

  • 描述：来自10,000名儿童和青少年的数据（年龄5-21岁）
  • 关键词：神经影像学，MRI，EEG
  • 相关论文：链接

• COBRE

  • 描述：来自72名精神分裂症患者和75名健康对照者的功能MR数据（年龄范围为18至65岁）
  • 关键词：fMRI

• Computed Tomography Images for Intracranial Hemorrhage Detection and Segmentation

  • 描述：收集了82个CT扫描，包括36个诊断为颅内出血（ICH）的患者的扫描
  • 关键词：CT扫描，标记
  • 相关论文：链接

• CoRR

  • 描述：已聚合1,629名典型个体静息状态fMRI数据
  • 关键词：静息状态fMRI（rfMRI）
  • 相关论文：链接

• CQ500

  • 描述：包含491个扫描和193,317个切片的数据集
  • 关键词：CT扫描
  • 相关论文：链接

• Cross-Sectional Multidomain Lexical Processing

  • 描述：通过任务基础fMRI探索词汇处理的神经机制和发展，包括听觉和视觉模式的押韵、拼写和语义判断任务
  • 关键词：fMRI
  • 相关论文：链接

• crossMoDA 2021

  • 描述：目标是分割两个关键脑结构，涉及前庭神经鞘瘤（VS）的随访和治疗计划：肿瘤和耳蜗
  • 关键词：MRI，分割
  • 相关论文：链接 和 链接

• crossMoDA 2022

  • 描述：目标是分割两个关键脑结构，涉及前庭神经鞘瘤（VS）的随访和治疗计划：肿瘤和耳蜗，并根据Koos等级自动分类hrT2图像与VS
  • 关键词：MRI，分割
  • 相关论文：链接

• crossMoDA 2023

  • 描述：2023版通过包括多机构、异质性数据，用于常规监测目的，并引入肿瘤子分割（内和外耳道组件），从而导致一个3类问题
  • 关键词：MRI，分割

• dbGaP

  • 描述：关于神经发育基因组学的研究：复杂表型的轨迹
  • 关键词：MRI，多模态神经影像学
  • 相关论文：链接 和 链接

• DLBS

  • 描述：达拉斯寿命脑研究，350名健康成年人，年龄20-89岁，全面表征认知、脑结构和脑功能
  • 关键词：MRI，PET，认知数据

• EGD

  • 描述：伊拉斯谟胶质瘤数据库，包含774名胶质瘤患者
  • 关键词：MRI，癌症

• EPISURG

  • 描述：用于定量分析癫痫手术的术后MRI图像数据集
  • 关键词：MRI
  • 相关论文：链接

• FeTA

  • 描述：手动分割的病理和非病理胎儿磁共振脑体积重建数据集，跨越一系列胎龄进入不同组织类别
  • 关键词：MRI，标记，分割
  • 相关论文：链接

• GMSC

  • 描述：灰质分割挑战
  • 关键词：MRI，标记
  • 相关论文：链接

• Gray matter segmentation at 7T MRI

  • 描述：包含7特斯拉MRI解剖图像的活人脑和手动

AI搜集汇总

数据集介绍

构建方式

Medical-Imaging-Datasets 数据集的构建旨在为医学影像分析领域的研究人员、医疗专业人员和开发者提供一个全面且有价值的资源。该数据集通过收集和整理公开可用的医学影像数据，涵盖了从头部到腹部、肌肉骨骼系统、盆腔及生殖器官等多个解剖部位的影像数据。数据集的构建过程中，特别注重数据的多样性和代表性，以确保能够支持广泛的医学影像分析研究。

使用方法

使用 Medical-Imaging-Datasets 数据集时，研究人员可以根据具体的研究需求选择相应的数据子集。数据集提供了详细的文档和指南，帮助用户了解数据的来源、格式和使用许可。用户可以通过下载数据集的特定部分或全部内容，进行数据预处理、特征提取和模型训练。此外，数据集还提供了相关论文和排行榜链接，方便用户参考和验证研究成果。

背景与挑战

背景概述

Medical-Imaging-Datasets 数据集是一个公开的医学影像数据集合，旨在为医学影像分析领域的研究人员、医疗专业人员和开发者提供一个全面且有价值的资源。该数据集的创建时间不详，但其主要研究人员或机构包括多个国际知名的医学影像研究机构，如哈佛大学、斯坦福大学等。核心研究问题涉及多种医学影像数据的收集与分类，包括脑部、胸部、腹部等多个解剖区域的影像数据。该数据集对医学影像分析领域的影响力显著，为相关研究提供了丰富的数据支持，推动了医学影像技术的进步与应用。

当前挑战

Medical-Imaging-Datasets 数据集在构建过程中面临多项挑战。首先，数据的多模态性和高维度特性增加了数据处理的复杂性，需要高效的算法和计算资源来处理和分析这些数据。其次，数据的标注和质量控制是一个重要挑战，确保数据的准确性和一致性对于后续的分析和应用至关重要。此外，数据隐私和安全问题也是一大挑战，如何在保证数据安全的前提下进行数据共享和研究是一个亟待解决的问题。最后，数据集的更新和维护也是一个持续的挑战，确保数据集的时效性和完整性对于保持其研究价值至关重要。

常用场景

经典使用场景

在医学影像分析领域，Medical-Imaging-Datasets数据集被广泛应用于脑部、胸部、腹部等多个解剖区域的疾病诊断与研究。其经典使用场景包括脑肿瘤的检测与分割、心血管疾病的影像分析、以及多器官系统的综合评估。通过整合多模态的医学影像数据，该数据集为研究人员提供了丰富的资源，以开发和验证各种影像分析算法，从而提高诊断的准确性和效率。

解决学术问题

该数据集解决了医学影像分析中的多个关键学术问题，如脑部疾病的自动检测与分类、肿瘤的精确分割、以及多模态影像数据的融合分析。通过提供高质量的标注数据，它促进了深度学习模型在医学影像领域的应用，推动了疾病早期诊断和治疗方案的优化。此外，该数据集还为跨学科研究提供了基础，促进了医学影像技术与人工智能的结合。

实际应用

在实际应用中，Medical-Imaging-Datasets数据集被用于开发和验证各种医学影像分析工具，如脑部肿瘤的自动检测系统、心血管疾病的影像诊断软件等。这些工具在临床实践中具有重要应用价值，能够辅助医生进行快速、准确的诊断，提高治疗效果。此外，该数据集还被用于培训新一代的医学影像分析专家，推动了医学影像技术的普及和应用。

数据集最近研究

最新研究方向

在医学影像分析领域，Medical-Imaging-Datasets数据集的最新研究方向主要集中在多模态影像数据的融合与分析。随着深度学习技术的进步，研究者们致力于开发能够同时处理多种医学影像数据（如MRI、CT等）的算法，以提高疾病诊断的准确性和效率。此外，数据集的扩展和标注质量的提升也是当前研究的热点，旨在为算法训练提供更丰富和精确的数据支持。这些研究不仅推动了医学影像分析技术的发展，也为临床诊断和治疗提供了新的工具和方法。