2D U-Net++ model structure for tumor segmentation.

Figshare2023-04-17 更新2026-04-28 收录

肿瘤分割

数据链接：

https://figshare.com/articles/dataset/2D_U-Net_model_structure_for_tumor_segmentation_/22646039 数据链接链接失效反馈

官方服务：

资源简介：

2D U-Net++ model structure for tumor segmentation.

创建时间：

2023-04-17

BRISC

医学影像分析

肿瘤分割

BRISC数据集是一个专门为脑肿瘤分割和分类任务设计的MRI数据集。该数据集包含6000个由认证放射科医生和医师注释的对比增强T1加权MRI扫描，涵盖了三种主要肿瘤类型——胶质瘤、脑膜瘤和垂体瘤，以及非肿瘤病例。每个样本都包括高分辨率标签，并按轴向、矢状和冠状成像平面进行分类，以促进鲁棒的模型开发和跨视图泛化。为了展示数据集的实用性，我们提出了一个基于transformer的分割模型，并将其与已建

arXiv2025-06-17 更新5891

BraTS 2016

肿瘤分割

医学图像分析

BRATS 2016 是一个脑肿瘤分割数据集。它与 BRATS 2015 共享相同的训练集，由 220 个 HHG 和 54 个 LGG 组成。其测试数据集由 191 个等级未知的案例组成。

OpenXLab80

Dice coefficient, Jaccard coefficient and sensitivity for tumor segmentation.

影像分割

肿瘤分割

Dice coefficient, Jaccard coefficient and sensitivity for tumor segmentation.

Figshare2018-01-11 更新70

FLARE 2023 Challenge Dataset

医学影像分析

肿瘤分割

该数据集是一个大规模且多样化的数据集，包含了来自40多家医疗中心的4650个CT扫描图像，涵盖了多种癌症类型。该数据集专为腹部器官及泛癌分割而设计。此外，数据集中包含了部分标记的案例用于训练，以及完全标记的案例用于测试，覆盖了不同的成像协议、制造商和疾病类型。规模上，该数据集包含了4650个CT扫描图像，任务是对CT扫描中的器官和病变进行联合分割。

arXiv270

Performance of DCs (±SD) in BRATS challenge 2015.

肿瘤分割

医学图像分割评估

Performance of DCs (±SD) in BRATS challenge 2015.

NIAID Data Ecosystem80