BraTS（Brain Tumor Segmentation）数据集概览
| 章节 | 内容要点 | 参考来源 |
|---|---|---|
| 1. 数据集定位 | BraTS 是由 MICCAI（国际医学图像计算与计算机辅助干预协会）主办的脑肿瘤分割挑战赛所使用的公开医学影像数据集，旨在推动自动化脑肿瘤分割与生存预测算法的研发。 | |
| 2. 影像模态与标注 | 每例病例提供四种标准化的多模态 MRI 扫描： • T1‑weighted (T1) • 对比增强 T1‑weighted (T1c) • T2‑weighted (T2) • T2‑FLAIR 对应的分割标签划分为四类： • 背景 (0) • 坏死/核心 (1) • 水肿 (2) • 增强肿瘤 (4)。 |
|
| 3. 数据规模与演进 | 数据集自 2012 年起逐年扩容，典型规模示例： • 2015：253 例 • 2016：391 例 • 2017：477 例 • 2018：542 例 • 2019：626 例 • 2020：660 例 • 2021：约 2 040 例（训练+验证+测试）。 2024‑2025 年已累计超过 4 500 例，涵盖多中心、不同扫描协议的真实临床数据。 |
|
| 4. 挑战任务 | 除了核心的脑胶质瘤亚区分割外，历届挑战还加入： • 患者总体生存率预测（OS） • 高/低级别胶质瘤分级（HGG/LGG） • 算法不确定性评估等。 |
|
| 5. 下载与获取渠道 | 官方入口： • 主站点 http://www.braintumorsegmentation.org/ （提供历年数据的统一下载页面）。 • Synapse 平台（需注册） • Kaggle 镜像（加速下载） • 具体年度链接可在官方页面或对应的 Kaggle 项目中找到。 |
关键特点简述
- 多模态统一配准：所有序列已统一到 1 mm³ 的空间分辨率，并对齐至同一解剖模板，便于 3D 端到端模型训练。
- 高质量人工标注：每例影像由 1–4 名放射科医生手工标注，随后经经验丰富的神经放射科医师审校，确保标签一致性。
- 临床多样性：数据来源于全球 10+ 医学中心，涵盖不同磁共振厂商、扫描协议和患者族群，提升模型的跨域泛化能力。
- 公开基准：每年挑战提供统一的评估平台（Dice、Hausdorff 等指标），使研究者能够直接对比最新分割方法的性能。
如何获取
- 官方页面：访问 http://www.braintumorsegmentation.org/ ，在 “Data” 栏目中选择所需年份下载（需登录 Synapse）。
- Kaggle 镜像：在 Kaggle 搜索 “BraTS” 可找到对应年份的快速下载链接，适合大规模实验。
- GitHub 示例代码：官方页面提供了数据预处理与加载的 Python 示例（基于
nibabel与torchio），帮助快速上手。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！