发帖
雷达卡
Medical SAM 2 示例医学分割数据集
一、数据介绍
2024 牛津大学 Medical SAM 2 示例医学分割数据集｜含 REFUGE+BTCV 预训练数据
Medical SAM 2 医学图像分割数据集下载｜1200 张青光眼眼底照 + 14 通道 CT 器官数据
预训练完成！Medical SAM 2 示例数据集（REFUGE 眼科 + BTCV 腹部多器官分割）
医学图像分割必备｜Medical SAM 2 论文配套数据集（牛津大学 2024 发布）
REFUGE 眼科 / BTCV 腹部分割数据｜Medical SAM 2 示例医学数据集
二、内容覆盖范围
（一）资源核心基础信息
研发背景：由牛津大学研究人员于 2024 年研发，是论文《Medical SAM 2: Segment medical images as video via Segment Anything Model 2》的配套示例数据，具备学术权威性与技术前瞻性，可直接用于相关研究引用与技术落地。
数据构成：包含两大预训练数据集，分别适配 2D 与 3D 医学图像分割场景。其一为 REFUGE 眼科医学图像数据集，聚焦青光眼相关图像分析；其二为 BTCV 腹部多器官图像分割数据集，专注腹部脏器分割任务，满足不同医学分割研究与应用需求。
资源规格：数据集压缩包含 7562 个文件与 67 个文件夹，总大小 47.0MB，压缩率 0.6%，文件格式为.npy（0.npy-8.npy 等），适配主流数据处理工具（如 Python、MATLAB），便于快速导入使用，降低数据预处理成本。
（二）细分数据集详情
REFUGE 眼科医学图像数据集
数据规模：包含 1200 张眼底彩照，数量充足，可支撑青光眼相关图像分割模型的训练与验证。
数据特点：每张图像均提供真实分割结果与临床青光眼标签，无需额外人工标注，节省研究时间与成本，且标签贴合临床实际，提升模型应用于真实医疗场景的适配性。
应用方向：适用于青光眼疾病诊断辅助、眼底图像分割算法研发、眼科 AI 模型训练等场景，为眼科医疗 AI 领域研究提供高质量数据支撑。
BTCV 腹部多器官图像分割数据集
数据来源：源自医学全能分割比赛中的脏器分割挑战任务，数据质量经过赛事验证，具备高可靠性与实用性。
数据规格：输入图像为 1 个通道的 CT 电子密度图像，符合医学 CT 影像标准格式；标签图像含 14 个通道，涵盖 13 种腹部器官（如肝脏、肾脏等）及背景点分割，分割维度精细，满足多器官同时分割的研究需求。
应用方向：可用于腹部多器官分割算法优化、医学影像 AI 辅助诊断系统开发、医疗影像分析教学实践等，助力腹部医疗影像 AI 技术发展。
（三）适用人群与场景
学术研究群体：高校医学影像、AI 相关专业师生，可用于医学图像分割方向的论文写作、课题研究、毕业设计等，借助权威数据集提升研究成果的可信度与说服力，同时可直接引用配套论文增强学术严谨性。
企业研发团队：医疗 AI 企业、医学影像设备公司的技术研发人员，可将数据集用于医学图像分割产品（如 AI 辅助诊断软件、医疗影像分析工具）的研发与优化，提升产品性能与市场竞争力。
医疗行业从业者：医院影像科医生、医疗科研机构研究人员，可利用数据集开展医学影像分析相关的临床研究与技术探索，为疾病诊断与治疗提供更精准的技术支持。
Medical SAM 2 示例医学分割数据集
(85 Bytes, 需要: RMB 19 元)
京公网安备 11010802022788号
