摘要：该数据集由美国国立卫生研究院临床中心采集，包含82例腹部增强3D CT扫描，来自53名男性和27名女性受试者（年龄18-76岁，平均46.8±16.7岁）。扫描在静脉注射对比剂约70秒后的门静脉期获得，其中17例为肾移植前健康供体，65例为放射科医生筛选的无重大腹部病变或胰腺癌的患者。
数据集概述
该数据集由美国国立卫生研究院临床中心采集，包含82例腹部增强3D CT扫描，来自53名男性和27名女性受试者（年龄18-76岁，平均46.8±16.7岁）。扫描在静脉注射对比剂约70秒后的门静脉期获得，其中17例为肾移植前健康供体，65例为放射科医生筛选的无重大腹部病变或胰腺癌的患者。每例扫描分辨率512×512像素，层厚1.5-2.5mm，使用Philips和Siemens MDCT扫描仪（120 kVp）采集。胰腺分割标注由医学生逐层手动完成并经资深放射科医生验证修改。数据集托管于癌症影像档案馆（TCIA），DOI: 10.7937/K9/TCIA.2016.tNB1kqBU，适用于医学影像超分辨率重建和器官分割研究。
数据结构与关键特征
数据集采用DICOM格式存储，配套metadata.csv文件记录详细元数据：Series UID（DICOM系列唯一标识）、Subject ID（受试者ID）、Study UID（研究标识）、采集日期、设备制造商、影像数量、文件大小和存储位置。每例包含多层轴位CT图像和对应的逐层胰腺分割掩码。胰腺作为腹膜后器官，在CT图像中形态多变、边界模糊且与周围组织（十二指肠、脾脏、血管）对比度低，门静脉期增强扫描通过对比剂强化胰腺实质与血管结构，提升组织区分度。数据集涵盖不同体型、胰腺形态变异和扫描设备差异，反映临床真实场景的异质性。标注质量经双重验证，提供高精度分割金标准。
应用价值与研究方向
该数据集为胰腺疾病诊断和治疗规划提供基础数据，可应用于胰腺癌早期检测、胰腺炎评估和手术导航系统开发。技术层面支持深度学习分割模型训练（U-Net、nnU-Net、3D CNN）、图像超分辨率重建算法验证和多器官联合分割研究。研究方向包括：小器官分割优化（胰腺体积小且形态多变）、跨设备域适应（Philips vs Siemens扫描仪）、弱监督学习减少标注成本、3D上下文信息利用（轴位/冠状位/矢状位多平面融合）、注意力机制定位胰腺边界、以及结合临床信息的多模态分析，为放射科工作流程自动化、胰腺肿瘤风险评估和精准医疗提供AI辅助工具，数据公开共享促进医学影像AI研究的可重复性和方法学标准化。
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-292
文件大小：4.7G
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)