什么是MedSegBench数据集

MedSegBench 简介
MedSegBench 是一个面向医学图像分割的综合基准数据集，旨在为不同模态（CT、X‑ray、MRI、超声、内镜、显微镜等）的分割任务提供统一、标准化的评估平台。它汇集了 35 个公开的 2D 医学图像分割子集，覆盖 12 种成像模态，包含超过 60 000 张图像，支持二分类和多分类（最多 19 类）任务。

组成与规模

每个子集均提供 train / validation / test 三划分（常用比例 7:1:2），并统一采用 MedMNIST v2 的 .npz Numpy 格式存储，图像尺寸统一为 128×128、256×256、512×512 三种分辨率。

数据格式与分割任务

• 二分类：如肺部病灶、乳腺结节等，仅需区分前景/背景。
• 多分类：如细胞核分割（19 类）、胃肠道息肉（3 类）等，标签映射为整数 0~(N‑1)。
• 所有标签均使用 整数映射，便于直接加载到深度学习框架中。

评估基准与模型
MedSegBench 采用统一的评估指标：Precision、Recall、F1‑score、Intersection‑over‑Union（IoU）。在基准实验中，以 U‑Net 为主干，分别使用 ResNet‑18、ResNet‑50、DenseNet‑121、EfficientNet、MobileNet‑v2、Mix Vision Transformer 等六种编码器进行对比，结果显示 DenseNet‑121 与 EfficientNet 在多数子集上表现最佳。

获取方式与重要链接

• 官方主页（数据概览、下载入口）‍： https://medsegbench.github.io/
• Zenodo 数据仓库（完整数据、模型权重）‍： https://zenodo.org/records/13381081
• GitHub 代码与 API（Python 数据加载、基准脚本）‍： https://github.com/zekikus/MedSegBench
• 论文（详细描述与基准结果）‍： 预印本可在 medRxiv 获取，标题为 “MedSegBench: A Comprehensive Benchmark for Medical Image Segmentation in Diverse Data Modalities”

使用建议

1. 通过 GitHub 提供的 medsegbench Python 包直接 pip install medsegbench，即可一键下载并加载指定子集。
2. 若只需特定模态或分辨率，可在下载页面选择对应的 .npz 文件（128、256、512 三种尺寸）。
3. 评估时建议使用官方提供的 metrics.py 脚本，以保证指标计算方式一致。

MedSegBench 为医学图像分割研究提供了统一、规模化且跨模态的基准资源，帮助研究者公平比较模型、推动通用医学分割模型的研发。