在此之前，脑肿瘤专栏中的2D网络预测的时候,是把所有的切片预测完指标再求平均值,这样测的值极容易收到一些差的切片而影响整体的指标.所以以后的2D网络预测都采用下面方式进行计算指标,即把所有预测的切片拼接回3D,然后对3D数据整体进行计算指标.这样计算的值会偏高点.不只是2D网络这样,3D网络也是如此,把所有分块拼接后再对整体进行指标的计算.这样统一之后,我们就可以将2D和3D网络进行对比了.此外,代码预测生成的数据都是NII格式的,可以通过ITK-SNAP软件查看三维的分割效果,如果想看2D切片的分割效果,可以用该软件导出即可.

Brats2017挑战赛的数据集，有t1,t2,tlce,flair等多个模态的数据，内附百度云下载链接

LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用，数据太大无法上传如果网盘资料到期，请私信我，如果链接失效，请私信我或者加我百度云2642828613@qq.com,第一时间补发。

深度学习 脑部肿瘤图像分割 代码，python 包括图像预处理 数据增强，数据生成，网络训练，测试结果

良\恶性乳腺癌肿瘤预测数据集，已经分为训练集和测试集。良\恶性乳腺癌肿瘤预测数据集，已经分为训练集和测试集。

这是我用过的二分类基因数据，里面有八种肿瘤基因数据和来源网址。一般用来训练各种分类器，数据的特点是样本少，纬度高，分类比较困难，里面是各种肿瘤基因数据，可以拿来训练分类算法。

breastcancer数据集 机器学习初学者最常用的数据集，

LITS2017肝脏肿瘤分割挑战数据集，里面是百度网盘永久下载链接，深度学习使用，数据太大无法上传如果网盘资料到期，请私信我，或者加我百度云2642828613@qq.com,第一时间补发。

基于matlab的乳腺肿瘤诊断的LVQ神经网络的分类算法。资源中包含了主要数据，算法实现以及交叉验证。直接运行.m文件即可看到效果。效果是根据data中的乳腺的特征判断是否为乳腺肿瘤。交叉验证后效果还行

MRI脑肿瘤分割matlab代码，内面的gui要重新编译才能运行