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

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/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/228383.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【沐风老师】3DMAX拼图建模工具MaxPuzzle2D插件使用方法详解

MaxPuzzle2D拼图建模工具使用帮助 MaxPuzzle2D拼图建模工具,拼图建模“彩虹系列”插件,是一款用MAXScript脚本语言开发的3dMax拼图建模小工具,可以创建2D或3D的拼图图形阵列。这让需要拼图建模的设计师大大节省了时间。 MaxPuzzle2D工具界面&…

电荷泵升压/降压电路

一、升压\降压电路原理分析 1、升压电路 电荷泵升压电路 VoutVa5V 5V_PLUS0V时,Va给C2充电,C2上节点电压比C2下节点电压高Va; 5V_PLUS5V时,C2电压不能突变,C2上节点电压依然比C2下节点电压高Va,但C2下节点…

C++单调向量(栈):好子数组的最大分数

作者推荐 利用广度优先或模拟解决米诺骨牌 题目 给你一个整数数组 nums &#xff08;下标从 0 开始&#xff09;和一个整数 k 。 一个子数组 (i, j) 的 分数 定义为 min(nums[i], nums[i1], …, nums[j]) * (j - i 1) 。一个 好 子数组的两个端点下标需要满足 i < k <…

STM32之模数转换器ADC

目录 1、ADC介绍 1.什么是ADC&#xff1f; ADC的全称是Analog-to-Digital Converter&#xff0c;指模拟/数字转换器 2.ADC的性能指标 3.ADC特性 12位分辨率 4.ADC通道 5.ADC转换顺序 6.ADC触发方式 7.ADC转化时间 8.ADC转化模式 9.模拟看门狗 实验&#xff1a;使用ADC读…

SpringSecurity+JWT实现权限控制以及安全认证

一.简介 Spring Security 是 Spring家族中的一个安全管理框架。相比与另外一个安全框架Shiro&#xff0c;它提供了更丰富的功能&#xff0c;社区资源也比Shiro丰富。 认证&#xff1a;验证当前访问系统的是不是本系统的用户&#xff0c;并且要确认具体是哪个用户​ 授权&…

Cesium 添加一个立方体实体。

Cesium 添加一个立方体实体 初始化地球 viewer new Cesium.Viewer(content, {terrainProvider: Cesium.createWorldTerrain({requestVertexNormals: true,requestWaterMask: true})})添加一个立方体 const redBox viewer.entities.add({name: 一个红色的正方形,position: …

【08】Python运算符

文章目录 1.算术运算符2.赋值运算符3.条件运算符4.逻辑运算符5.比较运算符6.运算符的优先级本期博客中,我们将学习python中常用的运算符的用法。              1.算术运算符 1.加法运算符(+): a = 10 b = 5 c = a + b print(c

unity Toggle,初始时默认不选中,若选中则不可取消选中。不写码实现其效果

实现效果&#xff1a; 初始默认时&#xff1a; 选中时&#xff1a; 零代码实现&#xff1a; 步骤1 步骤2 步骤3

【专题】支持向量机(Support Vector Machines,SVM)

​​​​​ ​​ 支持向量机&#xff08;Support Vector Machines&#xff0c;SVM&#xff09;是一种强大的监督学习模型&#xff0c;常用于分类、回归和异常值检测任务。它的核心思想是通过构建一个最大间隔超平面来有效地分隔不同类别的数据点。 在SVM中&#xff0c;数据点…

【C++】类型转换 ⑤ ( 常量和非常量之间的类型转换 - 常量类型转换 const_cast | const 左数右指原则 | 代码示例 )

文章目录 一、const 关键字简介1、const 修饰普通数据2、const 修饰指针 ( 左数右指原则 | 指针常量 | 常量指针 ) 二、常量和非常量 之间的类型转换 - 常量类型转换 const_cast1、常量类型转换 const_cast2、常量不能直接修改3、修改常量值的方法4、特别注意 - 确保指针指向的…

前后端分离开发出现的跨域问题

先说说什么是跨域。 请求的URL地址中的协议、域名、端口号中的任意一个与当前URL不同就是跨域。 比如&#xff1a; 当前页面的URL请求的URL是否跨域原因htttp://localhost:8080htttps://localhost:8080是协议不同htttp://localhostll:8080htttp://localhost:8080是域名不同htt…

消息队列进阶-1.消息队列的应用场景与选型

&#x1f44f;作者简介&#xff1a;大家好&#xff0c;我是爱吃芝士的土豆倪&#xff0c;24届校招生Java选手&#xff0c;很高兴认识大家&#x1f4d5;系列专栏&#xff1a;Spring源码、JUC源码、Kafka原理&#x1f525;如果感觉博主的文章还不错的话&#xff0c;请&#x1f44…