BraTS 2021脑肿瘤分割数据集介绍

原创 已于 2023-10-17 17:26:26 修改 · 3.4w 阅读 · 192 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #人工智能 #python #机器学习 #深度学习

于 2023-03-08 16:38:25 首次发布
BraTS是MICCAI组织的一项历史悠久的医学图像分割比赛，涉及多模态MRI数据，包括T1、T1ce、T2和FLAIR模态。参赛者需对脑肿瘤进行分割，识别背景、坏死肿瘤核心、水肿区域和增强肿瘤。评价标准主要为Dice分数和豪斯多夫距离。数据集分为训练、验证和测试集，提供官方平台进行结果评估。

一、背景介绍

脑肿瘤分割挑战赛（brain tumor segmentation challenge，BraTS Chanllenge）是国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society，MICCAI）所有比赛中历史最悠久的，已经连续办了10年，是医学图像处理领域最热门的比赛之一。

2017年及之后的每届挑战赛均包含三个数据集，分别是训练集（Traning data）、验证集（Validation data）和测试集（Test data）

可以通过官方渠道和Kaggle下载训练集的图像和标签、验证集的图像，地址在文末。验证集标签不公开，但可以在官方平台上传推理结果，平台自动打分。测试集仅在比赛时间内向选手开放下载。

表1 BraTS挑战赛历年数据规模

年份

总病例数

训练集病例数

验证集病例数

测试集病例数

2012

50

35

无

15

2013
最低0.47元/天 解锁文章
【BraTS】Brain Tumor Segmentation 脑部肿瘤分割1（数据篇）
钱多多先森
04-24 1万+
BraTS2015数据 官方网址：http://www.braintumorsegmentation.org/ 下载地址：https://aistudio.baidu.com/aistudio/datasetdetail/26367
x光肺部分割数据集_一个超小型分割检测数据集
weixin_39970369的博客
12-18 737
深度学习的典型任务一般认为是分类，检测和分割。CNN的复兴可以说就是从图像分类开始，imagenet的出现极大推动了这一领域的进步。在这之前，cifar10和mnist也对这个领域的发展起到了极大的推动作用，时至今日，cifar10和mnist也依然不过时，cifar10依旧是一个中等难度的数据集，很多网络在cifar10上的performance已经足以说明该网络的优异了，当年在imagenet...
学习记录：BRATS 2021数据集介绍
weixin_47247597的博客
04-19 4388
BRATS 2021数据集是一个医学图像分割数据集，该数据集由2000例患者脑部MRI（核磁共振成像）扫描构成。其中训练集有1251例、验证集219例、测试集530例，每例MRI扫描有4个模态的3D图像。其中训练集是包含3D图像和分割标签的，而验证集和测试集则不包含分割标签，验证集被用于公共排行榜，测试集不公开，用作参赛者的最终排名评测。
【MAE】如何读取BraTS数据集做自监督训练
最新发布
qq_64164673的博客
10-17 296
对于读取BraTS数据集，我原本是这样写的。
#萌新日志#2. 使用BraTS 2020数据集训练nnUNet（多模态和单模态）
qq_45794210的博客
10-11 2万+
#萌新记录某些日子的学习经历。# 前言 最近在跟着本科导师和课题组学长进行一项科研任务，学长手把手教我，我只是管中窥豹，还未能构建好整个科研任务的上帝视角。目前主要工作是使用BraTS 2020数据集训练nnUNet。对我来说这确实是新奇的体验，过程中我也遇到了一些实际问题，于是想记录一下。 摘要 主要活动基于ssh端口Linux操作系统，使用python脚本辅助处理数据集文件格式。使用BraTS 2020的4个模态以及单个模态训练nnUNet。 ...
医学图像分割数据集：BraTS 3d脑肿瘤图像、划分了2D 数据、并且划分了训练集和测试集
04-03
项目包含：BraTS 3d脑肿瘤图像、划分了2D 数据、并且划分了训练集和测试集 数据集为BRATS 3d，原始数据为nii.gz 文件，这里将数据在x轴进行切分，并且去除了前景区域不足0.03的数据，总共提取了1w多张图像 数据集总大小：162MB 数据集介绍：分为训练集、测试集 训练集：images图片目录+masks模板目录，8921张图片和8921个对应的mask图片 测试集：images图片目录+masks模板目录，3822张图片和3822个对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下
超简单的BRaTS 2021数据集的下载-使用Python为下载工具
qq_40498231的博客
11-29 2585
友情提醒：你需要预先下载好Pycharm和相应的环境哈。千里之行始于足下，虽然我是个啥都不懂的菜鸟，各位同志一起加油~
Brain Tumor Progression 脑肿瘤进展-数据集
03-25
该集合包括来自20名患有新近诊断的原发性胶质母细胞瘤的受试者的数据集，这些受试者接受了手术和标准伴随化学放射疗法（CRT）进行了辅助化疗。每位患者包括两次MRI检查：CRT完成后90天内和病情进展时（由临床确定，并基于临床表现和/或影像学发现的结合，并根据治疗或干预的变化进行标点）。
BraTs2021数据集下载方法
weixin_49744683的博客
09-08 6792
BraTs2021数据集下载方法，以及kaggle注册没有验证码的解决方法
脑肿瘤切片分类数据集-提供代码和教程.zip
06-16
脑肿瘤切片分类数据集-提供tensorflow代码和教程，结合作者录制的b站视频，快速掌握不是梦。数据集详细信息请看https://blog.youkuaiyun.com/ECHOSON/article/details/117964438
脑肿瘤分类数据集7023张4类别
FL1768317420的博客
03-20 672
类别名称:["glioma","meningioma","notumor","pituitary"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放。数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。数据集类型：图像分类用，不可用于目标检测无标注文件。meningioma 图片数：1645。图片数量(jpg文件个数)：7023。pituitary 图片数：1757。notumor 图片数：2000。glioma 图片数：1621。
pytorch 语义分割-医学图像-脑肿瘤数据集的载入模块
12-21
由于最近目标是完成基于深度学习的脑肿瘤语义分割实验，所以需要用到自定义的数据载入，本文参考了一下博客：https://blog.youkuaiyun.com/tuiqdymy/article/details/84779716?utm_source=app，一开始是做的眼底图像分割，由于使用的是DRIVE数据集，所以数据量很少，之前也是按照上面这篇博客标注了关于图片id的txt文件，但是这次是应用在kaggle脑肿瘤数据集上，kaggle脑肿瘤数据集百度云下载连接：链接：https://pan.baidu.com/s/12RTIv-RqEZwYCm27Im2Djw  提取码：tave  数据量挺大，再完全按
医学图像分割数据集：基于X光的骨头肿瘤图像语义分割数据集（约1600张数据和标签）
04-16
医学图像分割数据集：基于X光的骨头肿瘤图像语义分割数据集（约1600张数据和标签） 【2类别的分割】：背景，肿瘤（像素值标签具体参考classes文件） 数据集介绍：【已经划分好】 训练集：images图片目录+masks模板目录，1100张左右图片和对应的mask图片 验证集：images图片目录+masks模板目录，500张左右图片和对应的mask图片 除此之外，包含一个图像分割的可视化脚本，随机提取一张图片，将其原始图片、GT图像、GT在原图蒙板的图像展示，并保存在当前目录下 医学图像分割网络介绍：https://blog.youkuaiyun.com/qq_44886601/category_12102735.html 更多图像分割网络unet、swinUnet、trasnUnet改进，参考改进专栏：https://blog.youkuaiyun.com/qq_44886601/category_12803200.html
脑肿瘤分类数据集7023张4类别.7z
03-20
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：7023 分类类别数：4 类别名称:["glioma","meningioma","notumor","pituitary"] 每个类别图片数： glioma 图片数：1621 meningioma 图片数：1645 notumor 图片数：2000 pituitary 图片数：1757 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放
LITS2017肝脏肿瘤分割挑战数据集.txt-机器学习工具类资源(txt为微云链接)
07-16
LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用，数据太大无法上传。。
医学图像之分类数据集：脑肿瘤MRI4分类数据集（包含训练集、验证集）
04-16
数据包含：脑肿瘤MRI4分类数据集（包含训练集、验证集），数据保存按照文件夹保存，经测试，可直接作为图像分类数据集，用ImageFolder打开，无需额外处理。 【数据集介绍】脑肿瘤图像分类，4类别：胶质瘤、脑膜瘤、无肿瘤、垂体 【数据总大小】148 MB 【数据集详情】data目录下分为两个目录，train为训练集、test为测试集，存放各自的同一类数据图片。train数据总数5712，test数据总数1311。可以用作yolov5的分类数据集 【json文件】4种分类的字典文件 为了方便查看数据，提供了可视化py文件，随机传入4张图片即可展示，并且保存在当前目录。脚本无需更改，可以直接运行！
第105期 脑肿瘤图像分割数据集
weixin_42517987的博客
08-31 553
引言 亲爱的读者们，您是否在寻找某个特定的数据集，用于研究或项目实践？欢迎您在评论区留言，或者通过公众号私信告诉我，您想要的数据集的类型主题。小编会竭尽全力为您寻找，并在找到后第一时间与您分享。 一、研究意义 脑肿瘤图像的研究具有深远的意义，主要体现在以下几个方面： 早期诊断：脑肿瘤图像的准确分析可以帮助医生实现脑肿瘤的早...
目标检测框架使用Yolov8构建基于深度学习脑肿瘤目标检测系统，yolo训练脑肿瘤数据集 从数据集准备到用户界面开发
2401_88440984的博客
01-11 1359
目标检测框架使用Yolov8构建基于深度学习脑肿瘤目标检测系统，yolo训练脑肿瘤数据集 从数据集准备到用户界面开发
BraTS2021脑肿瘤分割实战
热门推荐
weixin_44858814的博客
06-23 4万+
脑肿瘤分割是MICCAI所有比赛中历史最悠久的，到2021年已经连续举办了10年，参赛人数众多，是学习医学图像分割最前沿的平台之一。简介：​ 胶质母细胞瘤和具有胶质母细胞瘤分子特征的弥漫性星形细胞胶质瘤（WHO 4 级星形细胞瘤）是成人中枢神经系统最常见和最具侵袭性的恶性原发性肿瘤，在外观、形状和组织学上具有极端的内在异质性。胶质母细胞瘤患者的预后非常差，目前的治疗标准包括手术，然后是放疗和化疗。国际脑肿瘤分割（BraTS）挑战赛自2012年以来一直在运行，评估了用于mpMRI扫描中脑肿瘤图像分析的最先进的
Brat-v1.3 Crunchy Frog数据集压缩包解压指南
由于提供的信息中【描述】部分没有具体的内容，我将基于【标题】和【标签】所给出的关键词“图谱比赛zip-数据集”和“数据集”以及【压缩包子文件的文件名称列表】中所包含的文件名“brat-v1.3_Crunchy_Frog.tar.gz...
评论 13
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

黄渡猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值