Dataset Viewer
Auto-converted to Parquet Duplicate
case_id
string
image_path
string
label_path
string
annotation_type
string
annotator_qualification
string
software_name
string
software_version
string
machine_model
null
shape
list
voxel_spacing_mm
list
axis_codes
string
label_values
list
image_sha256
string
label_sha256
string
image_size_bytes
int64
label_size_bytes
int64
case-0004
data/images/case-0004.nii.gz
data/labels/case-0004.nii.gz
human
三甲医院放射科主任医师级别
3D Slicer
5.12.4
null
[ 512, 512, 276 ]
[ 0.3359375, 0.3359375, 0.8999999761581421 ]
LPS
[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 14, 15, 16, 17, 18, 19 ]
3e0e1392c16b84e42f13f5b8bee6910856153ddb4357e5a66bf6305046725544
e8deeb41f915c1a72d8ae61fcd43980f32387bea8fa918d05b3263402c33bcc4
80,049,349
859,324

腰骶部CT人工分割标注样本1例

本数据集包含 1 例腰骶部 CT 及对应分割掩码,格式为 NIfTI(.nii.gz)。每个掩码含 16 个非零类别,另以 0 表示背景。标注范围为腰椎、骶骨、髋骨和腰背部肌群;未提供独立病灶类别。

标注方式:人工标注。标注人员为三甲医院放射科主任医师级别。 标注软件为 3D Slicer 5.12.4。

数据与 meta

  • data/images/<case_id>.nii.gz:CT 影像。
  • data/labels/<case_id>.nii.gz:分割掩码。
  • meta/records.jsonl:逐例索引,包含文件路径、标注方式、人员级别、软件版本、影像尺寸、体素间距、标签值和 SHA-256。
  • meta/dataset.json:数据集描述、脱敏方式、类别对应表及逐例标签体积统计。

病例采用 case-0001 等公开编号。NIfTI 自由文本字段为空,无扩展字段;gzip 头不含原始文件名或压缩时间。影像及掩码的体素值、数据类型、强度缩放和空间参数均保持原值。

case-0004 在人工组和机器组使用同一份影像,两份掩码分别保留。配套数据:另一标注组。

标签对应

下表的类别名称依据影像及掩码位置推定,在 meta 中标记为 inferred。椎体序号未依据全脊柱影像确认,左右侧按 NIfTI 空间方向解释。

掩码值 推定标注对象
0 背景
1 第1腰椎(推定L1)
2 第2腰椎(推定L2)
3 第3腰椎(推定L3)
4 第4腰椎(推定L4)
5 第5腰椎(推定L5)
6 骶骨
7 右侧多裂肌
8 右侧竖脊肌群
9 右侧腰大肌
10 右侧腰方肌
14 左侧腰大肌
15 左侧腰方肌
16 左侧竖脊肌群
17 左侧多裂肌
18 左侧髋骨(扫描范围内)
19 右侧髋骨(扫描范围内)

人工组的右侧多裂肌、竖脊肌群、腰大肌、腰方肌分别使用 7、8、9、10;机器组对应使用 13、12、10、11。两组比较时按类别名称对应。

读取

下载数据集文件后,可用 3D Slicer 导入影像与掩码,也可用 NiBabel 读取:

import json
from pathlib import Path
import nibabel as nib

root = Path("数据集本地目录")
record = json.loads((root / "meta/records.jsonl").read_text(encoding="utf-8").splitlines()[0])
image = nib.load(root / record["image_path"])
label = nib.load(root / record["label_path"])
assert image.shape == label.shape

许可

独立许可证暂未指定。

Hugging Face 获取与加载

同一数据集也发布在 GitHub 和 ModelScope。

from datasets import load_dataset
from huggingface_hub import snapshot_download

ds = load_dataset("SHPDRG/lumbar-ct-segmentation-human-sample-1", name="default", split="train")
local_dir = snapshot_download(repo_id="SHPDRG/lumbar-ct-segmentation-human-sample-1", repo_type="dataset")

load_dataset 加载卡片中声明的结构化数据或索引;snapshot_download 获取原始附件。

Downloads last month
34