摘要：Cancer-Net PCa-Data是Cancer-Net开源计划的一部分，包含200例前列腺癌患者的体积相关扩散成像（CDIs）数据，来自荷兰奈梅亨Radboud大学医学中心前列腺MRI参考中心，作为SPIE-AAPM-NCI PROSTATEx挑战赛数据发布。
数据集概述
Cancer-Net PCa-Data是Cancer-Net开源计划的一部分，包含200例前列腺癌患者的体积相关扩散成像（CDIs）数据，来自荷兰奈梅亨Radboud大学医学中心前列腺MRI参考中心，作为SPIE-AAPM-NCI PROSTATEx挑战赛数据发布。数据集配套区域分割掩码，标注健康前列腺组织、临床显著性前列腺癌（csPCa，Gleason评分≥7需治疗）和临床非显著性前列腺癌（insPCa，Gleason评分≤6可监测）三类区域。前列腺癌是男性常见恶性肿瘤，MRI多参数成像是诊断金标准，CDIs作为合成扩散成像技术可增强肿瘤与正常组织对比度。该数据集用于研究前列腺癌与CDIs高信号的关系，遵循CC BY 4.0开源协议，配套文献发表于Scientific Reports（2022）和NeurIPS Workshops（2023）。
数据结构与关键特征
数据集包含200例患者的体积MRI数据，采用DICOM或NIfTI格式存储，包括T2加权图像（解剖结构参考）和CDIs图像（合成相关扩散成像）。配套分割掩码来自PROSTATEx_masks仓库，逐层标注前列腺区域和病灶位置。CDIs通过数学模型整合多b值扩散加权成像（DWI）数据生成，增强肿瘤组织的信号对比度，临床显著性前列腺癌在CDIs上呈现高信号区域（超强度），而正常组织和非显著性癌信号较低。数据集涵盖不同Gleason评分、肿瘤大小和位置（外周带/移行带），支持分类、分割和预后预测任务。三类标注（健康/csPCa/insPCa）为临床决策支持模型提供精细化监督信号。
应用价值与研究方向
该数据集为前列腺癌精准诊断和主动监测决策提供AI技术基础，可应用于临床显著性前列腺癌自动检测、活检靶点定位和治疗方案选择支持。技术层面支持深度学习分割模型训练（U-Net、nnU-Net）、分类模型开发（区分csPCa vs insPCa）和CDIs图像生成算法验证。研究方向包括：多参数MRI融合分析（T2WI+DWI+DCE）、Gleason评分预测、主动监测患者风险分层、可解释性AI定位高风险病灶、跨中心泛化性研究、以及减少不必要活检的临床决策支持系统构建，为前列腺癌个性化治疗和减轻医疗负担提供AI辅助工具，推动癌症影像学和机器学习交叉领域的开放科学研究。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-295
文件大小：100M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)