medical-imaging-datasets

这是一个包含多个医学影像数据集的列表，涵盖了多种医学影像类型，如MRI、CT、X光等，以及不同的病理和组织学数据集。

This is a list comprising multiple medical imaging datasets, encompassing a variety of medical imaging types such as MRI, CT, X-rays, among others, as well as diverse pathological and histological datasets.

原始信息汇总

医疗影像数据集列表

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
  • 访问链接：http://www.civm.duhs.duke.edu/devatlas/
  • 用户指南：http://www.civm.duhs.duke.edu/devatlas/UserGuide.pdf

• LONI图像数据档案

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

• Collaborative Informatics and Neuroimaging Suite (COINS)

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

• The Cancer Imaging Archive (TCIA)

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

• Alzheimer’s Disease Neuroimaging Initiative (ADNI)

  • 访问链接：http://adni.loni.ucla.edu/

• The Open Access Series of Imaging Studies (OASIS)

  • 访问链接：http://www.oasis-brains.org/

• Breast Cancer Digital Repository

  • 访问链接：https://bcdr.eu/

• DDSM: Digital Database for Screening Mammography

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

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

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

• Mammography Image Databases

  • 包含100张以上带有地面实况的乳腺X光片
  • 访问链接：http://marathon.csee.usf.edu/Mammography/Database.html

• NLM HyperDoc Visible Human Project

  • 包含彩色、CAT和MRI图像样本，超过30张图像
  • 访问链接：http://www.nlm.nih.gov/research/visible/visible_human.html

• CT Scans for Colon Cancer

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

组织学和组织病理学（H&E、IHQ等）

• The Cancer Genome Atlas (TCGA)

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

• International Cancer Genome Consortium

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

• Stanford Tissue Microarray Database (TMA)

  • 访问链接：http://tma.im

• MITOS dataset

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

• Cancer Image Database (caIMAGE)

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

• DPA’s Whole Slide Imaging Repository

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

• ITK Analysis of Large Histology Datasets

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

• Histology Photo Album

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

• Slide Library of Virtual pathology, University of Leeds

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

• Aperio Images

  • 访问链接：http://images.aperio.com/

• HAPS Histology Image Database

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

细胞学和分子生物学

• BDGP images from the FlyExpress database

  • 访问链接：www.flyexpress.net

• The UCSB Bio-Segmentation Benchmark dataset

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

• Pap Smear database

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

• Histology (CIMA) dataset

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

• ANHIR dataset

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

基因组和蛋白质组学

• Genome RNAi dataset

  • 访问链接：http://www.genomernai.org/

• Chinese Hamster Ovary cells (CHO) dataset

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

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

  • 访问链接：http://locate.imb.uq.edu.au/

• 2D HeLa dataset (HeLa) dataset

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

• Allen Brain Atlas

  • 访问链接：http://www.brain-map.org/

• 1000 Functional Connectomes Project

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

• The Cell Centered Database (CCDB)

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

• The Encyclopedia of DNA Elements (ENCODE)

  • 访问链接：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

  • 访问链接：http://www.proteinatlas.org/

• DRIVE: Digital Retinal Images for Vessel Extraction

  • 访问链接：http://www.isi.uu.nl/Research/Databases/DRIVE/

• El Salvador Atlas of Gastrointestinal VideoEndoscopy

  • 访问链接：http://www.gastrointestinalatlas.com/

基准测试数据库

• PeIPA Benchmark Databases

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

• Mulan Datasets for Machine Learning

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

• UCI Machine Learning Repository

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

• Datasets Reporting Formats for Pathologists

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

• DermNet - Skin Disease Atlas

  • 包含23个图像类和23,000张图像
  • 访问链接：http://www.dermnet.com/

最新技术/挑战

• Grand Challenges in Medical Image Analysis

  • 访问链接：https://grand-challenge.org/

• Challenges in Global Health and Development

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

• State of the Art of Most Used Computer Vision Datasets

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

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

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

搜集汇总

数据集介绍

构建方式

该数据集通过整合多个公开的医学影像数据库构建而成，涵盖了从胚胎发育到癌症诊断的广泛医学影像数据。数据来源包括杜克大学的CIVM、LONI影像数据档案、癌症影像档案（TCIA）等知名机构。这些数据通过标准化的采集和处理流程，确保了数据的质量和一致性。数据集不仅包含传统的放射影像（如X光、CT、MRI），还涵盖了组织学、病理学以及分子影像等多模态数据，为医学影像分析提供了全面的资源支持。

特点

该数据集的特点在于其多样性和广泛性，涵盖了从基础研究到临床应用的多种医学影像类型。数据集中包含高分辨率的组织切片影像、功能性磁共振成像（fMRI）数据以及癌症基因组图谱（TCGA）等丰富的资源。此外，数据集还提供了详细的元数据和用户指南，便于研究者快速理解和使用。其多模态特性使得该数据集在医学影像分析、疾病诊断和生物医学研究中具有重要的应用价值。

使用方法

该数据集的使用方法灵活多样，研究者可以通过提供的链接直接访问各个子数据库，下载所需的影像数据。每个子数据库通常附有详细的使用说明和元数据，帮助用户快速定位所需信息。对于需要进行算法验证或模型训练的研究者，数据集中的基准测试部分提供了标准化的评估框架。此外，数据集还支持多模态数据的联合分析，为跨领域研究提供了便利。

背景与挑战

背景概述

medical-imaging-datasets 数据集汇集了多种医学影像数据资源，涵盖了从胚胎发育到癌症研究等多个领域。该数据集由多个研究机构和项目共同构建，包括杜克大学的Center for Invivo Microscopy (CIVM)、洛杉矶加州大学的Alzheimer’s Disease Neuroimaging Initiative (ADNI)等。这些数据集的创建时间跨度较大，最早可追溯至20世纪末，旨在为医学影像分析、疾病诊断和治疗提供高质量的数据支持。通过整合多模态影像数据，该数据集为研究人员提供了丰富的实验材料，推动了医学影像处理技术的进步，并在癌症、阿尔茨海默病等重大疾病的研究中发挥了重要作用。

当前挑战

medical-imaming-datasets 数据集面临的挑战主要体现在两个方面。其一，医学影像数据的多样性和复杂性对算法的鲁棒性和泛化能力提出了更高要求。例如，不同成像设备、扫描参数和病理特征的差异可能导致数据分布不一致，增加了模型训练的难度。其二，数据集的构建过程中，数据隐私保护和伦理合规性是不可忽视的挑战。医学影像数据通常涉及患者隐私，如何在数据共享与隐私保护之间找到平衡点，是数据集构建者需要解决的关键问题。此外，数据标注的准确性和一致性也对数据质量提出了严格要求，尤其是在病理影像分析中，专家标注的成本和时间投入较高，可能成为数据集扩展的瓶颈。

常用场景

经典使用场景

在医学影像分析领域，medical-imaging-datasets数据集广泛应用于疾病诊断、治疗规划及预后评估。例如，通过分析MRI和CT扫描图像，研究人员能够识别肿瘤、脑部病变等异常结构，进而为临床决策提供科学依据。此外，该数据集还支持多模态影像融合，如结合H&E染色切片与MR图像，以更全面地理解疾病机制。

实际应用

在实际应用中，medical-imaging-datasets数据集被广泛用于开发智能诊断工具和辅助决策系统。例如，基于该数据集的深度学习模型已被用于乳腺癌筛查、阿尔茨海默病早期诊断等领域。这些工具不仅提高了诊断效率，还减少了人为误差，为患者提供了更可靠的医疗服务。

衍生相关工作

该数据集衍生了许多经典研究工作，如基于TCGA数据的癌症影像基因组学研究，以及基于ADNI数据的阿尔茨海默病影像标志物发现。此外，数据集还推动了多个国际挑战赛的举办，如ANHIR挑战赛，促进了医学影像分析算法的创新与优化。这些工作不仅提升了学术界的理论水平，也为临床实践提供了重要参考。