BraTS18数据集是一个脑肿瘤分割数据集,主要聚焦于分割与脑肿瘤相关的三种组织类型:GD增强肿瘤(GD-enhanced tumors)、瘤周水肿(peritumoral edema)以及坏死和非增强肿瘤核心(necrotic and non-enhanced tumor core)。这些类别均由经验丰富的临床医生手动标注。在该数据集中,每个类别都包含多种MRI模态,包括原始T1加权图像(T1)、对比增强T1加权图像(T1Gd)、T2加权图像(T2)以及T2液体衰减反转恢复(FLAIR)容积图像。该数据集包含285例训练案例、66例验证案例和191例测试案例。
toujingbu维度 | 3D |
模态 | mri |
任务类型 | segmentation |
解剖结构 | 胶质瘤 |
解剖区域 | 脑部 |
类别数 | 3 |
数据量 | 285 |
文件格式 | .nii.gz |
MICCAI_BraTS_2018_Data_Training
├── HGG
│ ├── Brats18_2013_2_1
│ │ ├── Brats18_2013_2_1_flair.nii.gz
│ │ ├── Brats18_2013_2_1_seg.nii.gz
│ │ ├── Brats18_2013_2_1_t1.nii.gz
│ │ ├── Brats18_2013_2_1_t1ce.nii.gz
│ │ ├── Brats18_2013_2_1_t2.nii.gz
│ ├── Brats18_2013_3_1
│ ├── Brats18_2013_4_1
│ ├── ...
├── LGG
│ ├── Brats18_2013_0_1
│ │ ├── Brats18_2013_0_1_flair.nii.gz
│ │ ├── Brats18_2013_0_1_seg.nii.gz
│ │ ├── Brats18_2013_0_1_t1.nii.gz
│ │ ├── Brats18_2013_0_1_t1ce.nii.gz
│ │ ├── Brats18_2013_0_1_t2.nii.gz
│ ├── Brats18_2013_1_1
│ ├── Brats18_2013_6_1
│ ├── ...
统计类型 | 间距 (mm) | 尺寸 |
---|---|---|
最小值 | (1.0,1.0,1.0) |
240x240x155 |
中位值 | (1.0,1.0,1.0) |
240x240x155 |
最大值 | (1.0,1.0,1.0) |
240x240x155 |
@article{bakas2018identifying,
title={Identifying the best machine learning algorithms for brain tumor segmentation, progression assessment, and overall survival prediction in the BRATS challenge},
author={Bakas, Spyridon and Reyes, Mauricio and Jakab, Andras and Bauer, Stefan and Rempfler, Markus and Crimi, Alessandro and Shinohara, Russell Takeshi and Berger, Christoph and Ha, Sung Min and Rozycki, Martin and others},
journal={arXiv preprint arXiv:1811.02629},
year={2018}
}