Biomedical Imaging Datasets
收藏github2024-04-13 更新2024-05-31 收录
下载链接:
https://github.com/halleewong/biomedical-imaging-datasets
下载链接
链接失效反馈官方服务:
资源简介:
一个包含多个生物医学成像数据集的列表,重点在于分割任务。欢迎贡献!
A list of multiple biomedical imaging datasets, with a focus on segmentation tasks. Contributions are welcome!
创建时间:
2024-02-12
原始信息汇总
数据集概述
本数据集列表专注于生物医学影像中的分割任务,涵盖了多种影像类型和相关的标注任务。以下是部分数据集的详细信息:
1. 3DTeethSeg22
- 描述: MICCAI 2022挑战赛数据集,包含900名患者的1,800次扫描,涉及上颌和下颌的单独覆盖。
- 标签/任务: 实例分割
- 影像类型: 口腔内扫描
- 维度: 3D
2. AbdomenCT-1K
- 描述: 用于FLARE2022和FLARE2023挑战赛的腹部器官分割数据集,与KiTS、LiTS、MSD、NIH-PancreasCT有重叠。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
3. AbdomenAtlas
- 描述: 为现有腹部CT数据集提供新标签的腹部器官分割数据集。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
4. AbdominalUS
- 描述: 包含617个真实和926个模拟超声扫描,以及61个真实扫描中的腹部器官分割(肝脏、肾脏、胆囊、脾脏和血管)。
- 标签/任务: 分割
- 影像类型: 超声
- 维度: 2D
5. ACDC
- 描述: 包含左心室和右心室内膜的分割、分类和涂鸦任务。
- 标签/任务: 分割、分类、涂鸦
- 影像类型: Cine-MRI
- 维度: 3D
6. ADHD200
- 描述: 脑部分割数据集。
- 标签/任务: 分割
- 影像类型: fMRI
- 维度: 3D
7. ADNI
- 描述: 脑部分割数据集,包含MRI和PET影像。
- 标签/任务: 分割
- 影像类型: MRI, PET
- 维度: 3D
8. AirwaySeg
- 描述: 从胸部CT中进行气道分割和中心线提取。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
9. AMOS
- 描述: 腹部器官分割数据集。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
10. ATLAS
- 描述: 病变分割数据集。
- 标签/任务: 分割
- 影像类型: T1-MRI
- 维度: 3D
11. BBB003
- 描述: 小鼠胚胎分割数据集。
- 标签/任务: 分割
- 影像类型: 显微镜
- 维度: 2D
12. BBC024
- 描述: 合成数据集,用于实例分割。
- 标签/任务: 实例分割
- 影像类型: 显微镜
- 维度: 3D
13. BBC038
- 描述: Kaggle 2018数据科学碗数据集,用于生物图像中的细胞核分割。
- 标签/任务: 实例分割
- 影像类型: 显微镜
- 维度: 2D
14. BBC039
- 描述: 包含U2OS细胞化学筛选中的细胞核分割的200张图像。
- 标签/任务: 实例分割
- 影像类型: 显微镜
- 维度: 2D
15. BCIHM
- 描述: 用于颅内出血检测和分割的CT图像数据集。
- 标签/任务: 分类、分割
- 影像类型: CT
- 维度: 3D
16. BCN20k
- 描述: 用于皮肤病学图像诊断分类的数据集。
- 标签/任务: 分类
- 影像类型: 皮肤
- 维度: 2D
17. BCSS
- 描述: 包含来自TCGA的乳腺癌图像的20,000个分割标注。
- 标签/任务: 分割
- 影像类型: WSI
- 维度: 2D
18. BF-TMA
- 描述: 包含对齐的明场(BF)和二次谐波生成(SHG)图像。
- 标签/任务: 注册
- 影像类型: 显微镜
- 维度: 2D
19. BHSD
- 描述: 脑出血分割数据集。
- 标签/任务: 分类、分割
- 影像类型: CT
- 维度: 3D
20. BTCV
- 描述: 包含结直肠癌和宫颈癌患者的腹部器官分割,以及注册任务。
- 标签/任务: 分割、注册
- 影像类型: CT
- 维度: 3D
21. BrainMetShare
- 描述: 包含至少1个脑转移的患者的156个全脑MRI研究,包括高分辨率、多模态预对比和后对比序列。
- 标签/任务: 分割、检测
- 影像类型: 多模态MRI
- 维度: 3D
22. BrainPTM
- 描述: 脑部术前白质束映射挑战(BrainPTM) 2021数据集。
- 标签/任务: 分割
- 影像类型: MRI
- 维度: 3D
23. BRATS
- 描述: 脑肿瘤多注释者分割数据集。
- 标签/任务: 多注释者分割
- 影像类型: 多模态MRI
- 维度: 3D
24. BUID
- 描述: 包含600名患者的780个乳腺超声,具有良性和恶性肿瘤标签的肿瘤分割。
- 标签/任务: 分割、分类
- 影像类型: 超声
- 维度: 2D
25. BUSIS
- 描述: 乳腺超声图像分割数据集。
- 标签/任务: 分割
- 影像类型: 超声
- 维度: 2D
26. BUSI
- 描述: 乳腺超声图像分割数据集。
- 标签/任务: 分割
- 影像类型: 超声
- 维度: 2D
27. Calgary-Campinas
- 描述: 包含359名成年受试者的T1体积,使用来自三个不同供应商(GE、Philips和Siemens)的扫描仪和两种不同的磁场强度(1.5T和3T)获取。
- 标签/任务: 分割
- 影像类型: T1-MRI
- 维度: 3D
28. CAMUS
- 描述: 包含四腔和心尖两腔心脏分割任务。
- 标签/任务: 分割
- 影像类型: 超声
- 维度: 2D
29. CANDID-PTX
- 描述: 胸部X光片,来自CheXmask的分割。
- 标签/任务: 分割
- 影像类型: X-Ray
- 维度: 2D
30. CannabisT1
- 描述: 脑部MRI数据集。
- 标签/任务: 仅图像
- 影像类型: T1-MRI
- 维度: 3D
31. cDEMRIS
- 描述: 左心房心肌的晚期钆增强心血管磁共振(CMR)中的纤维化和瘢痕分割。
- 标签/任务: 分割
- 影像类型: CMR
- 维度: 3D
32. CHAOS
- 描述: 腹部器官分割(肝脏、肾脏和脾脏)。
- 标签/任务: 分割
- 影像类型: CT, T2-MRI
- 维度: 3D
33. CHASE
- 描述: 视网膜静脉分割。
- 标签/任务: 多注释者分割
- 影像类型: 视网膜
- 维度: 2D
34. ChestX-Det
- 描述: 包含13种常见疾病类别的约3500张图像,具有实例级边界框和掩码。
- 标签/任务: 分割
- 影像类型: X-Ray
- 维度: 2D
35. ChestX-ray14
- 描述: 扩展自ChestX-ray8数据集,包含112,120张正面X光片,带有文本挖掘标签。
- 标签/任务: 分割
- 影像类型: X-Ray
- 维度: 2D
36. CheXmask
- 描述: 胸部X光片的解剖分割(多边形)。
- 标签/任务: 分割
- 影像类型: X-Ray
- 维度: 2D
37. CheXpert
- 描述: 包含224,316张胸部X光片,带有来自报告的14个观察标签。
- 标签/任务: 分割、分类
- 影像类型: X-Ray
- 维度: 2D
38. CheXLocalize
- 描述: 胸部X光片中10种病理的分割。
- 标签/任务: 分割
- 影像类型: X-Ray
- 维度: 2D
39. COBRE
- 描述: 来自精神分裂症患者和健康对照组的脑部MRI。
- 标签/任务: 仅图像
- 影像类型: MRI
- 维度: 3D
40. COCA
- 描述: 包含门控冠状CT和非门控胸部CT,带有冠状动脉钙化分割和评分。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
41. CoNSeP
- 描述: 组织病理学细胞核分割数据集。
- 标签/任务: 分割
- 影像类型: 显微镜
- 维度: 2D
42. Couinaud
- 描述: 肝脏和Couinaud段的分割,来自MSD(任务8,肝血管和肿瘤)。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
43. COVID-CT
- 描述: 确诊为Covid-19后有肺部感染的受试者的CT图像。
- 标签/任务: 仅图像
- 影像类型: CT
- 维度: 3D
44. COVID-19
- 描述: 来自Covid-19患者的胸部CT,包括一些纵向扫描。
- 标签/任务: 仅图像
- 影像类型: CT
- 维度: 3D
45. CQ500
- 描述: 包含491个脑部扫描及其对应的放射科医生读片。
- 标签/任务: 分类
- 影像类型: CT
- 维度: 3D
46. CT-ORG
- 描述: CT体积与多个器官分割。与LiTS有重叠。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
47. CT2US
- 描述: 使用在KiTS CT和其他US上训练的GAN合成的US图像。
- 标签/任务: 分割
- 影像类型: 超声
- 维度: 2D
48. CTooth
- 描述: 牙齿分割数据集。
- 标签/任务: 分割
- 影像类型: CBCT
- 维度: 3D
49. CTSpine1k
- 描述: 个体椎骨分割。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
50. CT-RATE
- 描述: 胸部CT体积与相应的放射学文本报告,多异常标签和元数据。
- 标签/任务: 分类、文本
- 影像类型: CT
- 维度: 3D
51. CXLSeg
- 描述: 胸部X光片肺分割数据集。
- 标签/任务: 分割
- 影像类型: X-Ray
- 维度: 2D
52. DDI
- 描述: 包含活检证实的疾病标签的多样化皮肤数据集。
- 标签/任务: 分类
- 影像类型: 2D
53. DDR
- 描述: 糖尿病视网膜病变分类、病变分割和病变检测。
- 标签/任务: 分割、分类、检测
- 影像类型: 视网膜
- 维度: 2D
54. DDTI
- 描述: 甲状腺超声分割数据集。
- 标签/任务: 分割
- 影像类型: 超声
- 维度: 2D
55. DenseVNet
- 描述: 腹部器官分割(脾脏、左肾、胆囊、食道、肝脏、胃、胰腺和十二指肠)。
- 标签/任务: 分割
- 影像类型: CT
- 维度: 3D
56. DENTEX
- 描述: 全景X光片上的牙齿计数和诊断挑战。
- 标签/任务: 检测
- 影像类型: X-Ray
- **维度
搜集汇总
数据集介绍

构建方式
生物医学影像数据集的构建方式主要依赖于从多个公开的生物医学影像数据库中收集和整合数据。这些数据集涵盖了从CT、MRI到超声波等多种影像类型,且每个数据集都针对特定的生物医学任务,如器官分割、病灶检测等。数据集的构建过程中,研究者们通过标注和分类,确保每个数据样本都具有明确的标签和任务目标,从而为深度学习和计算机视觉算法提供了丰富的训练和测试资源。
使用方法
该数据集主要用于生物医学影像的分割任务,研究者可以通过加载和预处理数据集中的影像和标注信息,进行模型的训练和测试。具体使用方法包括:首先,根据任务需求选择合适的数据集;其次,使用数据加载工具加载影像和标注数据;然后,进行数据预处理,如归一化、裁剪等;最后,将预处理后的数据输入到深度学习模型中进行训练和评估。此外,数据集还支持多种编程语言和深度学习框架,如Python、TensorFlow等,方便研究者进行开发和实验。
背景与挑战
背景概述
生物医学影像数据集(Biomedical Imaging Datasets)是一个专注于分割任务的生物医学影像数据集集合,由多个研究机构和挑战赛共同贡献。该数据集的创建旨在推动生物医学影像分析领域的发展,特别是通过提供多样化的影像数据和标注,帮助研究人员解决复杂的分割问题。数据集涵盖了从CT、MRI到超声波等多种影像类型,涉及器官、组织、病灶等多个层面的分割任务。这些数据集不仅为学术研究提供了丰富的资源,还为临床应用中的自动化诊断和治疗提供了技术支持。
当前挑战
生物医学影像数据集在构建和应用过程中面临诸多挑战。首先,影像数据的多样性和复杂性使得标注和分割任务变得极为困难,尤其是在处理多模态数据时,如何确保不同模态间的信息一致性是一个重要问题。其次,数据集的规模和质量直接影响模型的性能,如何获取高质量、大规模的标注数据是一个持续的挑战。此外,生物医学影像的隐私和伦理问题也限制了数据的共享和使用,如何在保护患者隐私的同时促进数据集的开放和共享,是该领域面临的一个重要挑战。
常用场景
经典使用场景
生物医学影像数据集在医学图像分割领域具有广泛的应用,尤其是在器官和病灶的精确分割任务中。例如,数据集如3DTeethSeg22和AbdomenCT-1K提供了大量的高质量扫描数据,用于牙齿和腹部器官的实例分割。这些数据集的经典使用场景包括开发和验证基于深度学习的分割算法,以提高医学图像分析的准确性和效率。
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,如器官和病灶的自动分割、病变的检测与分类等。通过提供多样化的影像数据和详细的标注,这些数据集为研究人员提供了丰富的资源,以开发和验证新的算法和技术。这不仅推动了医学影像分析领域的发展,还为临床诊断和治疗提供了强有力的支持。
实际应用
在实际应用中,生物医学影像数据集被广泛用于开发和优化医学影像分析系统。例如,在放射科,这些数据集用于训练和测试自动化的器官分割工具,帮助医生更快速、准确地识别和定位病变。此外,这些数据集还在手术规划、治疗效果评估和疾病监测等方面发挥着重要作用,显著提升了医疗服务的质量和效率。
数据集最近研究
最新研究方向
在生物医学影像领域,最新的研究方向主要集中在多模态数据融合与高精度分割算法的开发。随着深度学习技术的进步,研究人员正致力于将不同类型的医学影像数据(如CT、MRI、超声等)进行有效融合,以提升病灶检测和器官分割的准确性。此外,针对特定疾病(如癌症、心血管疾病等)的精细化分割技术也备受关注,旨在为临床诊断和治疗提供更精确的影像支持。这些研究不仅推动了医学影像分析的前沿发展,还为个性化医疗和精准治疗提供了重要的技术基础。
以上内容由遇见数据集搜集并总结生成



