Skin Cancer MNIST: HAM10000

HAM10000 数据集收集了来自不同人群的皮肤镜图像，通过不同方式获取和存储。最终数据集包含 10015 张皮肤镜图像，可用于学术机器学习目的的训练。案例包括色素病变领域所有重要诊断类别的代表性集合：

• 光化性角化病和上皮内癌/鲍温氏病 (akiec)
• 基底细胞癌 (bcc)

超过 50% 的病变通过组织病理学（histo）证实，其余病例的 ground truth 来源为：

• 后续检查（follow_up）
• 专家共识（consensus）
• 活体共聚焦显微镜（confocal）

数据集包括具有多个图像的病变，可通过 HAM10000_metadata 文件中的 lesion_id 列进行跟踪。
https://www.kaggle.com/datasets/kmader/skin-cancer-mnist-ham10000

---

SegRap 2023 数据集

地址：SegRap 2023
百度网盘：链接 提取码：e81e

数据集介绍

SegRap 2023 数据集来自电子科技大学和四川省肿瘤中心，提供鼻咽癌患者在 CT 影像上 头颈部高危器官（Organs-At-Risk, OAR）和 肿瘤体积（Gross Tumor Volume, GTV）的精确分割。

SegRap 包含两个任务：

1. 45 类 OAR 分割，主要涵盖头颈部的各类组织结构。
2. 鼻咽癌和淋巴结肿瘤分割。

数据概况

任务名称	模态	数量	标签
task 1	CT	train: 120, val: 20, test: 60	45 类头颈高危器官 mask
task 2	CT	train: 120, val: 20, test: 60	鼻咽癌和淋巴结肿瘤 mask

备注：Task 1 中部分区域有重叠，因此实际 mask 包含 54 类，其中 9 类为单独的重叠区域 mask。

---

MURA 数据集

官网：Stanford ML group
数据集地址：百度 AI Studio
官网链接

数据集介绍

MURA (musculoskeletal radiographs) 数据集包含 14,863 个研究案例，来自 12,173 名患者，总共包含 40,561 张多视角的放射影像图片。

• 每个研究案例属于七个标准上肢放射影像研究类型之一：肘部、手指、前臂、手部、肱骨、肩部和腕部。
• 每个案例由斯坦福大学医院的认证放射科医生标记为正常或异常。

论文：MURA: Large Dataset for Abnormality Detection in Musculoskeletal Radiographs

---

RSNA Bone Age 数据集

数据集介绍

2017 年，放射学会北美分会（RSNA）举办了一项竞赛，旨在利用机器学习技术准确识别儿童手部 X 光片的年龄。

内容

• 训练集：12,611 张手部 X 光片
• 验证集：1,425 张
• 测试集：1,200 张
• 数据包括：图像、年龄（预测目标）、性别（附加信息）。

---

Bone Break Classification Image 数据集

数据集内容

该数据集提供了多种类型的骨裂 X 射线图像，包括：

• 压碎性骨折（Avulsion Fractures）
• 粉碎性骨折（Comminuted Fractures）
• 骨折移位（Fracture-Dislocations）
• 青枝骨折（Greenstick Fractures）等。

数据集特点

数据由斯坦福大学、梅奥诊所、托马斯杰斐逊大学等机构的放射科医生手动标记，确保数据准确性和可靠性。

---

SPIDER 数据集

SPIDER (Spine Segmentation: Discs, Vertebrae and Spinal Canal) 数据集是一个大规模 MR 图像的多中心脊椎数据集，提供了脊椎、椎间盘（IVDs）和脊柱管的分割标注。

数据概况

• 训练集：179 名患者，提供 347 例图像
• 验证集：39 名患者，提供 100 例图像
• 数据来源：4 家医院

分级标准

• Modic 变化（I、II、III 型）
• Pfirrman 等级（1 至 5 级）

链接

Zenodo 数据集链接

---

肿瘤数据集

数据集链接

肿瘤数据集链接

数据集介绍

数据通过仔细注释几名患有不同器官肿瘤并在多家医院诊断出的患者组织图像获得。
训练数据采用 H&E 染色，用于增强组织切片对比度，适用于肿瘤评估（分级、分期等）。

数据集具有 多样性 和 稳健性，可用于开发细胞核分割技术。