摘要：阿尔茨海默病MRI四分类数据集包含 6,400 张脑部影像（四个疾病阶段：非痴呆 50%、极轻度 35%、轻度 14%、中度 1%），存在严重类别不平衡，通过自适应加权和数据增强处理，专为医学影像分类和类别不平衡研究而构建。
数据集简介
数据集概述
阿尔茨海默病MRI影像四分类数据集（Alzheimer’s Disease MRI 4-Class Classification Dataset）是一个包含 6,400 张高质量脑部 MRI 横断面影像的医学图像数据集，用于阿尔茨海默病的四分类诊断研究。数据集涵盖从正常认知到中度痴呆的完整疾病进展阶段，分为四个类别：非痴呆（Non_Demented，3,200 张，50%）、极轻度痴呆（Very_Mild_Demented，2,240 张，35%）、轻度痴呆（Mild_Demented，896 张，14%）和中度痴呆（Moderate_Demented，64 张，1%）。数据集采用分层随机抽样划分为训练集（70%）、验证集（15%）和测试集（15%），总大小约 1.2 GB，图像格式为 JPEG/PNG，预处理分辨率为 128×128 或 224×224。数据集存在严重的类别不平衡问题（最大类与最小类比例 50:1），通过自适应类别加权和针对性数据增强进行处理，是研究深度学习医学影像分类、迁移学习和类别不平衡问题的理想数据集。
数据结构与模态特征
数据集按四个类别文件夹组织，每个类别对应阿尔茨海默病的不同阶段，具有明确的临床特征。非痴呆（Non_Demented） 包含认知功能正常、海马体体积正常、无明显脑萎缩的影像；极轻度痴呆（Very_Mild_Demented） 显示轻微记忆力下降、轻度海马体萎缩，日常生活基本正常；轻度痴呆（Mild_Demented） 表现为明显记忆障碍、中度海马体和皮层萎缩，日常生活受到一定影响；中度痴呆（Moderate_Demented） 显示严重认知功能障碍、显著脑萎缩，需要日常生活照护。数据集采用标准预处理流程，包括图像加载与 RGB 转换、尺寸调整（224×224 适配预训练模型）、ImageNet 统计值归一化，训练集应用数据增强（水平翻转、随机旋转 ±15°、颜色抖动、随机擦除），验证集和测试集仅进行基础预处理。针对严重类别不平衡，数据集计算自适应类别权重（Moderate: 2.54，Mild: 0.68，Very Mild: 0.43，Non: 0.36）并应用加权交叉熵损失。
应用价值与研究方向
该数据集支持阿尔茨海默病诊断、深度学习方法研究、医学影像分析和类别不平衡处理等多个应用方向。研究人员可以开发 CNN 分类模型自动识别疾病阶段，训练迁移学习模型利用 ImageNet 预训练权重提升性能，探索注意力机制和 Transformer 架构在医学影像中的应用，或研究损失函数设计、采样策略和集成学习方法解决类别不平衡问题。数据集特别适用于课程项目、毕业设计和学术研究，在应用自适应加权和数据增强后，模型对极轻度和中度痴呆的识别率分别达到 84.5% 和 100%，显著改善了稀有类别的检测性能。通过提供完整的疾病进展阶段影像和详细的预处理与增强策略，数据集为开发阿尔茨海默病早期诊断系统、辅助临床决策以及推动医学 AI 研究提供了高质量的实验平台。数据集采用学术研究许可协议，仅限学术研究和教学使用，禁止商业诊断和盈利性产品开发，使用时需引用数据集来源。
数据集来源
该数据集由张家梁（Bob）于 2026 年 8 月 3 日发布（v1.0 版本），包含 6,400 张医疗级脑部 MRI 横断面影像，分为四个阿尔茨海默病阶段（非痴呆、极轻度、轻度、中度痴呆），经过专业医生标注（准确率 >95%），采用分层随机抽样划分为训练集（4,480 张）、验证集（960 张）和测试集（960 张），所有数据已完成去重、质量检查和匿名化处理，专为深度学习医学影像分类、迁移学习和类别不平衡研究而构建。由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
应用项目案例
应用案例：基于深度迁移学习的阿尔茨海默病MRI影像分类系统研究与实现
图1 基于深度迁移学习的阿尔茨海默病MRI影像分类系统研究与实现
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：AI-25-Datasets
文件大小：27M
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)