医疗影像数据集—CT、X光、骨折、阿尔茨海默病MRI、肺部、肿瘤疾病等图像数据集

本文主要是介绍医疗影像数据集—CT、X光、骨折、阿尔茨海默病MRI、肺部、肿瘤疾病等图像数据集,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

最近收集了一大波关于CT、X光等医疗方面的数据集包含骨折、阿尔茨海默病MRI、肺部疾病等类型的医疗影像数据,废话不多说,给大家逐一介绍!!

1、彩色预处理阿尔茨海默病MRI(磁共振成像)图像数据集

彩色预处理阿尔茨海默病MRI(磁共振成像)所有的图像都被调整为128 x 128像素。该数据集有四类图像。该数据集由总共6400张MRI图像组成。1类轻度痴呆(896张图片)2类中度痴呆(64张图片)3类非痴呆(3200张图片)4类非常轻度痴呆(2240张图片)。

数据查看地址:https://www.dilitanxianjia.com/1311/

2、阿尔茨海默病MRI图像数据,用于老年性痴呆的诊断

关于数据集:该数据集是关于老年痴呆症(AD)的。它包含 26 例受试者的 MRI 图像,其中 10 例为 AD 患者,10 例为轻度认知障碍(MCI)患者,4 例为正常对照。这些图像是从伊朗德黑兰的菲鲁兹加医院收集的。共 475 张图片。

数据查看地址:https://www.dilitanxianjia.com/13374/

3、1131个高分辨率脑部MRI(磁共振成像)扫描图像,专门用于脑肿瘤检测和分类

该数据集包含 1311 个高分辨率脑部 MRI(磁共振成像)扫描,专门用于脑肿瘤检测和分类。
每张磁共振成像都有四类标记:“脑体”“脑瘤”“胶质瘤”或“无肿瘤”。“该数据集是开发
和评估机器学习模型的宝贵资源,特别是卷积神经网络 (CNN),用于脑肿瘤的自动检测和分

数据集详细信息:
图片总数:1311
类别:1.脑垂体(300 张图片);2 脑膜瘤(306 张);3.神经胶质瘤(300 张图片);4.没有肿瘤 (405 张图片)

主要特点:1、多种肿瘤类型的高质量 MRI 图像。2、均衡的班级分布。3、预处理可能包括去头盖骨、调整大小和标准化以保证一致性。4、为每幅图像贴上地面真相标签,以便于有监督的学习。

数据查看地址:https://www.dilitanxianjia.com/13368/

4、增强阿尔茨海默MRI数据集

增强阿尔茨海默MRI数据集(数据由核磁共振成像组成。该数据包括训练和测试集中的四类图像,类型为:轻微的精神错乱、温和的精神错乱、正常、非常轻微的精神错乱,每类8000张图片左右)

数据查看地址:https://www.dilitanxianjia.com/1421/

5、基于MRI图像的脑肿瘤分类数据集

基于MRI图像的脑肿瘤分类数据集,共7678张图片

数据查看地址:https://www.dilitanxianjia.com/1385/

6、大脑CT(MRI)图像数据集,预测MGMT启动子基因的存在或缺失

大脑CT(MRI)图像数据集,预测MGMT启动子基因的存在或缺失,共1336张图片

数据查看地址:https://www.dilitanxianjia.com/1370/

7、儿童肺炎数据X光胸片(5000张图片)

儿童肺炎数据X光胸片(5000张图片)

数据查看地址:https://www.dilitanxianjia.com/1436/

8、医学气胸与非气胸分类影像(胸部x光片)

2027例医学气胸与非气胸分类影像(胸部x光片)

数据查看地址:https://www.dilitanxianjia.com/1436/

9、乳腺癌X光分割图像数据集

乳腺癌X光分割数据集,该文件包含训练模型的模态权重。模型可以在与此数据集相关的笔记本中建立。

数据查看地址:https://www.dilitanxianjia.com/942/

10、肺炎胸部X线数据集的医学图像数据集

数据集被精心组织成三个文件夹:训练,测试和验证。每个文件夹包含每个图像类别的子文
件夹,即肺炎和正常。该数据集包括 5.863 张 X 射线图像 JPEG 格式),分为两类(肺炎/正常)。
胸部 X 线图像(前后位)选自广州市妇女儿童医疗中心 1-5 岁儿科患者的回顾性队列。所有胸
部 X 线影像检查均作为患者常规临床护理的一部分进行。对于胸部 X 光检查图像的分析,所有的胸部 X 光检查最初的质量控制,删除所有低质量或不可读的扫描。然后由两名专家医生对图像的诊断进行分级,然后才批准对 AL 系统进行培训。为了说明任何评分错误,第三位专家也对评价集进行了检查。共 5856 张图片。

数据查看地址:https://www.dilitanxianjia.com/13378/

11、肩部植入物x射线图像分类数据集

肩部植入物x射线制造商分类数据集,实例数597个

数据查看地址:https://www.dilitanxianjia.com/2668/

12、1024例乳腺癌X射线图像数据集

1024例乳腺癌X射线图像数据集

数据查看地址:https://www.dilitanxianjia.com/2651/

13、脊椎滑脱x线图像数据集

脊椎滑脱x线图像数据集,x线图像正常的受试者为71例(女性40例,男性31例)。被诊断为脊椎滑脱的受试者人数为79人(女性49人,男性30人)。被诊断为脊柱侧凸的受试者人数为188人(女性151人,男性37人)。

数据查看地址:https://www.dilitanxianjia.com/2648/

14、骨关节炎预测x线图像数据集

骨关节炎预测在膝关节x线图像中检测是否存在骨关节炎,数据集包含三个文件夹Test Train Valid,共有3836张骨关节X射线图片。

数据查看地址:https://www.dilitanxianjia.com/2645/

15、CT X切片的新冠肺炎数据集

CT X切片的新冠肺炎数据集、普通肺炎的数据集以及正常人的,分为6大类,每类100张图片。

数据查看地址:https://www.dilitanxianjia.com/2486/

16、甲状腺超声图像良恶性分类数据集

甲状腺超声图像良恶性分类数据集,该数据库包含99例病例和134张图像。每个病例都以XML文件的形式呈现,其中包含专家的注释和患者的注释。

数据查看地址:https://www.dilitanxianjia.com/1394/

17、乳腺癌ROI图像子集

乳腺癌ROI图像子集,共5479张X射线图像数据

数据查看地址:https://www.dilitanxianjia.com/944/

18、肺部CT分类数据集

肺部CT分类数据集,三类:正常,恶性肿物,良性肿物。分别416、561、120张。jpg格式。

数据查看地址:https://www.dilitanxianjia.com/1430/

19、肺部疾病CT图像数据集

肺部疾病CT图像数据集,该数据集包含三个不同的类别,包括健康、1型疾病和2型疾病。训练文件夹这个文件夹有用于训练模型的图像,它被分为与类名称相同的子文件夹。Test文件夹该文件夹包含用于测试模型的图像,它被分为与类名称相同的子文件夹。共300多张肺部CT图像。

数据查看地址:https://www.dilitanxianjia.com/1373/

20、基于灰度归一化的脑肿瘤图像数据集

数据共 3096 张图片
数据分类:1、神经胶质瘤肿瘤;2、脑膜瘤肿瘤;3、正常的;4、垂体瘤
特点:1、图像标准化:使用灰度直方图对图像进行了归一化处理,提高了图像质量和可比性;2、保留宽高比调整大小所有图像都已调整为一致的 256X256 像素大小,同时保留原始宽高
比,确保图像均匀和详细。

数据查看地址:https://www.dilitanxianjia.com/13380/

21、4类脑肿瘤分类图像数据集

共 3264 张图片
胶质瘤 100 张图片
脑膜瘤 115 张图片
无肿瘤 105 张图片
垂体瘤 74 张图片

数据查看地址:https://www.dilitanxianjia.com/13366/

这篇关于医疗影像数据集—CT、X光、骨折、阿尔茨海默病MRI、肺部、肿瘤疾病等图像数据集的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/433662

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav