medical-imaging-datasets
收藏github2019-10-22 更新2024-05-31 收录
下载链接:
https://github.com/BXSHIN/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CT、MRI到组织病理学等多种类型的数据集。
A comprehensive list of medical imaging datasets, encompassing a variety of types from CT and MRI to histopathology datasets.
创建时间:
2019-10-22
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)
- 包含胚胎和新生小鼠的H&E染色和MR图像
- 用户指南: CIVM用户指南
- LONI图像数据档案
- 提供多种图像数据
- 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)
- 用于神经影像学研究
- The Cancer Imaging Archive (TCIA)
- 癌症影像数据集
- Alzheimer’s Disease Neuroimaging Initiative (ADNI)
- 阿尔茨海默病神经影像数据
- The Open Access Series of Imaging Studies (OASIS)
- 开放获取的影像研究数据集
- Breast Cancer Digital Repository
- 乳腺癌数字存储库
- DDSM: Digital Database for Screening Mammography
- 筛查乳腺摄影的数字数据库
- The Mammographic Image Analysis Society (MIAS) mini-database
- 乳腺摄影图像分析小型数据库
- Mammography Image Databases
- 包含100多张带有地面实况的乳腺摄影图像
- NLM HyperDoc Visible Human Project
- 提供彩色、CAT和MRI图像样本,超过30张图像
- CT Scans for Colon Cancer
- 用于结直肠癌的CT扫描数据
组织学和组织病理学
- The Cancer Genome Atlas (TCGA)
- 癌症基因组图谱
- International Cancer Genome Consortium
- 国际癌症基因组联盟
- Stanford Tissue Microarray Database (TMA)
- 斯坦福组织微阵列数据库
- MITOS dataset
- 组织学图像数据集
- Cancer Image Database (caIMAGE)
- 癌症图像数据库
- DPA’s Whole Slide Imaging Repository
- 全切片成像存储库
- ITK Analysis of Large Histology Datasets
- 大型组织学数据集分析
- Histology Photo Album
- 组织学照片专辑
- Slide Library of Virtual pathology, University of Leeds
- 利兹大学虚拟病理学幻灯片库
- Aperio Images
- 组织学图像
- HAPS Histology Image Database
- 组织学图像数据库
细胞和分子生物学
- BDGP images from the FlyExpress database
- 果蝇基因表达图像
- The UCSB Bio-Segmentation Benchmark dataset
- 生物分割基准数据集
- Pap Smear database
- 宫颈涂片数据库
- Histology (CIMA) dataset
- 组织学数据集
- ANHIR dataset
- 非刚性组织学图像注册数据集
基因组和蛋白质组学
- Genome RNAi dataset
- 基因组RNA干扰数据集
- Chinese Hamster Ovary cells (CHO) dataset
- 中国仓鼠卵巢细胞数据集
- Locate Endogenus mouse sub-cellular organelles (END) database
- 定位内源性小鼠亚细胞器官数据库
- 2D HeLa dataset (HeLa) dataset
- 2D HeLa细胞数据集
- Allen Brain Atlas
- 艾伦脑图谱
- 1000 Functional Connectomes Project
- 1000功能连接组项目
- The Cell Centered Database (CCDB)
- 细胞中心数据库
- The Encyclopedia of DNA Elements (ENCODE)
- DNA元素百科全书
- The Human Protein Atlas
- 人类蛋白质图谱
- DRIVE: Digital Retinal Images for Vessel Extraction
- 数字视网膜图像血管提取
- El Salvador Atlas of Gastrointestinal VideoEndoscopy
- 胃肠道视频内窥镜图谱
基准测试数据库
- PEIPA Benchmark Databases
- 用于基准测试的数据库列表
- Mulan Datasets for Machine Learning
- 机器学习数据集
- UCI Machine Learning Repository
- 机器学习数据集库
- Datasets Reporting Formats for Pathologists
- 病理学家报告格式数据集
- DermNet - Skin Disease Atlas
- 皮肤病图谱,包含23个图像类和23,000张图像
最新技术/挑战
- Grand Challenges in Medical Image Analysis
- 医学图像分析的重大挑战
- Challenges in Global Health and Development
- 全球健康和发展挑战
- State of the Art of Computer Vision Datasets
- 计算机视觉数据集的当前技术水平
- Automatic Non-rigid Histological Image Registration (ANHIR) Challenge
- 自动非刚性组织学图像注册挑战
搜集汇总
数据集介绍

构建方式
该数据集通过搜集并整合多个来源的医学成像数据构建而成,涵盖了从婴儿发育成像到老年痴呆症成像的多种医学图像数据库。数据集的构建侧重于全面性与多样性,旨在为研究者提供广泛且深入的医学图像资源,以促进医学图像分析相关领域的研究与应用。
使用方法
用户可以通过访问提供的链接直接浏览和下载数据。数据集的部分数据库可能需要注册或遵守特定的使用条款。为了方便使用,数据集提供了详细的用户指南和文档,指导用户如何有效地访问、处理和分析数据。此外,数据集还提供了用于基准测试的数据库,以便研究人员可以评估和比较他们的算法性能。
背景与挑战
背景概述
medical-imaging-datasets数据集是一系列医学成像数据集的汇编,旨在促进医学影像分析领域的研究。该数据集涵盖了多种医学成像模式,如超声波、X射线、CT、MRI和fMRI等。创建时间未明确标注,但包含了多个由世界各地的研究机构和组织提供的数据集,如Center for Invivo Microscopy (CIVM)、The Cancer Imaging Archive (TCIA)、Alzheimer’s Disease Neuroimaging Initiative (ADNI)等。该数据集对医学影像分析、计算机视觉和机器学习等领域的研究具有重要的参考价值。
当前挑战
医学成像数据集的构建和使用面临着诸多挑战,其中包括数据集的多样性和异质性导致的处理难度、隐私保护问题、数据标注的一致性和准确性、以及大规模数据集的存储和计算需求。此外,当前的研究中还存在着如何有效利用多模态图像数据、提高图像解析的准确性和效率、以及如何将研究成果转化为临床实践等问题。在技术层面,自动非刚性组织图像配准(ANHIR)等挑战也表明了医学影像分析领域的技术难题。
常用场景
经典使用场景
在医学影像研究领域,medical-imaging-datasets数据集广泛用于训练和测试医学影像分析算法,例如病变检测、组织分割、影像重建等任务。该数据集涵盖了多种医学影像模式,包括MRI、CT、超声、X光等,为研究人员提供了一个全面而多样的资源库。
解决学术问题
该数据集解决了学术研究中获取高质量医学影像数据的难题,为病变识别、疾病诊断、疗效评估等研究提供了可靠的数据基础。通过该数据集,研究者能够开发出更为精确的医学影像分析模型,进而推动医学图像处理技术的发展。
实际应用
在实际应用中,medical-imaging-datasets数据集为医疗机构提供了辅助诊断的工具,帮助医生更准确地识别疾病。此外,该数据集也被用于医学教育领域,辅助医学生和医生进行视觉学习和病例分析。
数据集最近研究
最新研究方向
在医学成像领域,medical-imaging-datasets数据集的近期研究方向主要集中在深度学习辅助的影像诊断、多模态影像融合以及病理影像的自动化分析等方面。这些研究不仅推动了计算机视觉技术在医疗诊断中的应用,而且对于提高疾病诊断的准确性和效率具有深远的影响。当前,研究人员正致力于开发更为精确的算法,以处理复杂多变的医学影像数据,特别是在早期癌症检测、神经退行性疾病评估等方面取得了显著进展。
以上内容由遇见数据集搜集并总结生成



