杜克大学乳腺癌MRI影像增强对比前后序列数据集NIFTI格式-仅包含Post-1序列-2023
数据来源：互联网公开数据
标签：乳腺癌，MRI，NIFTI，影像，医学影像，对比增强，肿瘤，放射组学，预处理，图像分割，杜克大学
数据概述：
本数据集是杜克大学乳腺癌MRI数据集的预处理版本，原始数据为DICOM格式，经过转换处理，以NIFTI格式存储。数据集更新于2023年10月23日，主要改进包括：使用img.gz格式存储，修复了从DICOM到NIFTI的重新定向问题，确保与原始标注框的对应关系，以及改进了分割掩模，使其更贴合肿瘤区域。数据集仅包含对比增强后的Post_1序列。
预处理步骤如下：
- 使用SimpleITK处理单个DICOM切片，生成img.gz格式文件，该格式与Pyradiomics兼容。每个序列的numpy数组的布局为[切片, 高度, 宽度]。
- 为每位患者选择对比增强后的Post_1序列。
- 使用Otsu阈值法对Post_1序列进行自动分割，生成肿瘤区域的3D掩模。分割仅限于提供的病灶边界框内。
- 使用Pyradiomics从MRI序列中提取特征，使用病灶分割掩模进行特征提取。
原始数据集的参考资料：
Saha, A., Harowicz, M.R., Grimm, L.J., Kim, C.E., Ghate, S.V., Walsh, R. and Mazurowski, M.A., 2018. A machine learning approach to radiogenomics of breast cancer: a study of 922 subjects and 529 DCE-MRI features. British journal of cancer, 119(4), pp.508-516.
该论文的免费版本可在以下网址获取：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6134102/。
数据用途概述：
该数据集适用于医学影像分析、肿瘤诊断、放射组学研究、机器学习模型训练等多种场景。研究人员可以使用此数据进行肿瘤特征提取、影像组学分析，探索MRI影像与乳腺癌之间的关联；可以用于开发和验证基于MRI影像的诊断工具；也可以用于教育和科研，帮助学习者理解医学影像处理流程和肿瘤分析方法。
