five

medical-imaging-datasets

收藏
github2020-02-25 更新2024-05-31 收录
下载链接:
https://github.com/danielvg92/medical-imaging-datasets
下载链接
链接失效反馈
官方服务:
资源简介:
一个包含多种医学影像数据集的列表,涵盖了从MRI、CT到病理学图像等多种类型的数据集。

A list encompassing a variety of medical imaging datasets, covering multiple types of data from MRI and CT to pathological images.
创建时间:
2020-02-25
原始信息汇总

医疗成像数据集列表

多模态数据库

  • Center for Invivo Microscopy (CIVM)

  • LONI图像数据档案

  • 放射学数据集

    • 包括超声、乳腺摄影、X光、CT、MRI、fMRI等
  • Collaborative Informatics and Neuroimaging Suite (COINS)

    • 提供神经影像数据
    • 访问链接:COINS
  • The Cancer Imaging Archive (TCIA)

    • 癌症图像存档
    • 访问链接:TCIA
  • Alzheimer’s Disease Neuroimaging Initiative (ADNI)

    • 阿尔茨海默病神经影像学研究数据
    • 访问链接:ADNI
  • The Open Access Series of Imaging Studies (OASIS)

    • 开放获取影像研究系列
    • 访问链接:OASIS
  • Breast Cancer Digital Repository

  • DDSM: Digital Database for Screening Mammography

    • 筛查乳腺摄影数字数据库
    • 访问链接:DDSM
  • The Mammographic Image Analysis Society (MIAS) mini-database

  • Mammography Image Databases

  • NLM HyperDoc Visible Human Project

  • CT Scans for Colon Cancer

组织学和组织病理学

  • The Cancer Genome Atlas (TCGA)

    • 癌症基因组图谱
    • 访问链接:TCGA
  • International Cancer Genome Consortium

  • Stanford Tissue Microarray Database (TMA)

    • 斯坦福组织微阵列数据库
    • 访问链接:Stanford TMA
  • MITOS dataset

  • Cancer Image Database (caIMAGE)

    • 癌症图像数据库
    • 访问链接:caIMAGE
  • DPA’s Whole Slide Imaging Repository

  • ITK Analysis of Large Histology Datasets

    • 大型组织学数据集分析
    • 访问链接:ITK Analysis
  • Histology Photo Album

  • Slide Library of Virtual pathology, University of Leeds

  • Aperio Images

  • HAPS Histology Image Database

细胞学和分子生物学

基因组和蛋白质组学

  • Genome RNAi dataset

  • Chinese Hamster Ovary cells (CHO) dataset

    • 中国仓鼠卵巢细胞数据集
    • 访问链接:CHO dataset
  • Locate Endogenus mouse sub-cellular organelles (END) database

    • 定位内源性小鼠亚细胞器官数据库
    • 访问链接:END database
  • 2D HeLa dataset (HeLa) dataset

  • Allen Brain Atlas

  • 1000 Functional Connectomes Project

  • The Cell Centered Database (CCDB)

    • 细胞中心数据库
    • 访问链接:CCDB
  • The Encyclopedia of DNA Elements (ENCODE)

    • DNA元素百科全书
    • 访问链接:ENCODE
  • The Human Protein Atlas

  • DRIVE: Digital Retinal Images for Vessel Extraction

    • 数字视网膜图像用于血管提取
    • 访问链接:DRIVE
  • El Salvador Atlas of Gastrointestinal VideoEndoscopy

基准测试数据库

最新技术/挑战

  • Grand Challenges in Medical Image Analysis

  • Challenges in Global Health and Development

  • State of the Art of Most Used Computer Vision Datasets

    • 最常用计算机视觉数据集的当前技术水平
    • 访问链接:State of the Art
  • Automatic Non-rigid Histological Image Registration (ANHIR) Challenge

    • 自动非刚性组织学图像注册挑战
    • 访问链接:ANHIR Challenge
搜集汇总
数据集介绍
main_image_url
构建方式
medical-imaging-datasets数据集的构建主要通过网络资源整合,收集了多种模态的医学成像数据,如胚胎和新生儿小鼠的H&E和MR图像,以及超声波、X射线、CT、MRI等放射学图像。该数据集还包含了组织学和病理学图像,如癌症基因组图谱(TCGA)和斯坦福组织微阵列数据库(TMA)。此外,还涵盖了细胞学、生物学、蛋白质、分子、荧光等显微图像。
使用方法
使用该数据集时,用户可以直接从提供的网址下载所需的数据子集。对于某些数据集,可能需要遵循特定的使用条款和条件。用户可以利用这些数据来进行图像识别、分割、注册和分类等任务,以推动医学图像分析领域的研究进展。针对不同的应用需求,用户可以参考相应的用户指南和文档来有效利用这些数据资源。
背景与挑战
背景概述
medical-imaging-datasets数据集是一组涵盖医学成像领域的宝贵资源,该数据集的创建旨在推动医学图像分析技术的发展与应用。该数据集的整理始于21世纪初,汇集了来自全球多个研究机构和医学中心的图像资源。它包括多种模态的医学图像,如MRI、CT、超声等,以及组织病理学图像。主要研究人员和机构包括Center for Invivo Microscopy (CIVM)、LONI、The Cancer Imaging Archive (TCIA)、Alzheimer’s Disease Neuroimaging Initiative (ADNI)等,这些机构的研究成果对医学图像处理、疾病诊断、生物信息学等领域产生了深远影响。
当前挑战
尽管medical-imaging-datasets数据集为医学图像分析领域提供了丰富的资源,但研究者和开发者仍面临诸多挑战。首先,数据集的多样性和规模导致数据标注和处理的难度增加。其次,不同来源的图像在格式、分辨率和质量上存在差异,这给算法的泛化能力带来了挑战。此外,数据隐私和患者同意的问题也是构建和使用此类数据集时必须考虑的重要因素。在技术层面,自动图像分割、病变检测以及多模态图像融合等领域仍存在许多未解决的问题。
常用场景
经典使用场景
在医学影像分析领域,medical-imaging-datasets数据集的典型应用场景包括为算法训练提供标准化的图像数据,以辅助进行疾病的自动识别、分割、检测以及分类。该数据集涵盖了多种医学影像类型,如H&E染色、超声波、X射线、CT、MRI、fMRI等,为研究者提供了丰富的数据资源,以促进医学影像分析技术的发展。
解决学术问题
该数据集解决了学术研究中关于医学影像数据获取与共享的难题,为医学影像分析、病理学、基因组学等多个领域提供了高质量的数据源。它帮助研究者克服了数据稀缺性问题,推动了医学影像识别、病变自动检测等关键技术的进步,为精准医疗和个性化治疗提供了重要支撑。
实际应用
在实际应用中,medical-imaging-datasets数据集被广泛应用于临床决策支持系统、疾病预测模型以及医疗影像辅助诊断工具的开发。它为医疗机构提供了强大的数据基础,有助于提高诊断的准确性和效率,对提高医疗质量和降低误诊率具有重要意义。
数据集最近研究
最新研究方向
在医学影像数据集领域,近期研究集中于深度学习技术的应用,如卷积神经网络(CNN)在图像识别、分割和检测方面的运用。特别是在多模态数据库中,如Center for Invivo Microscopy和The Cancer Imaging Archive,研究者探索了跨模态图像的融合与解析,以提升病变检测的准确性和效率。同时,随着The Cancer Genome Atlas和International Cancer Genome Consortium等基因组学数据集的整合,研究者致力于开发多组学数据关联分析的新方法,以深入理解癌症的分子机制。这些研究不仅推动了医学影像分析技术的发展,也为临床决策提供了更加精确的生物标记物。
以上内容由遇见数据集搜集并总结生成
5,000+
优质数据集
54 个
任务类型
进入经典数据集
二维码
社区交流群

面向社区/商业的数据集话题

二维码
科研交流群

面向高校/科研机构的开源数据集话题

数据驱动未来

携手共赢发展

商业合作