数据是TCIA研究的预处理子集，称为软组织肉瘤。数据已从分辨率和数据类型不同的DICOM文件夹转换为各向同性体素大小的3D HDF5阵列。这将使开始和测试各种方法（NN，RF，CRF等）以改善细分更加容易。 study_list.csv lab_petct_vox_5.00mm.h5 patient_images_lowres.h5

网络 肺肿瘤分割 来自医疗细分十项全能竞赛的数据集： :

Google登不上去的可以下这个

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

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。

MRI脑肿瘤分割matlab代码，内面的gui要重新编译才能运行