Advertisement

CT肝脏分类的医学图像数据集（4分类）【含预划分的数据、类别字典及Python可视化脚本】

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
这是一个包含预划分数据和类别字典的CT肝脏分类医学图像数据集，用于支持四类肝脏疾病的识别与分析，并提供Python脚本进行可视化操作。 该数据集包含4个分类：胆囊、正常、结石、肿瘤。数据被分为训练集和验证集两个目录下，其中训练集图片总数为9959张，验证集图片总数为2487张。这些图像可以用于YOLOv5的分类任务或传统CNN分类网络项目中。此外，提供了包含分类标签字典文件的JSON格式，并且可以通过资源中的脚本可视化数据集。有关使用CNN进行此类项目的更多信息，请参考相关博客文章。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CT肝脏分类的医学图像数据集（4分类）【含预划分的数据、类别字典及Python可视化脚本】
    优质
    这是一个包含预划分数据和类别字典的CT肝脏分类医学图像数据集，用于支持四类肝脏疾病的识别与分析，并提供Python脚本进行可视化操作。 该数据集包含4个分类：胆囊、正常、结石、肿瘤。数据被分为训练集和验证集两个目录下，其中训练集图片总数为9959张，验证集图片总数为2487张。这些图像可以用于YOLOv5的分类任务或传统CNN分类网络项目中。此外，提供了包含分类标签字典文件的JSON格式，并且可以通过资源中的脚本可视化数据集。有关使用CNN进行此类项目的更多信息，请参考相关博客文章。
     
  • 9种纸币面额的图像分类数据集【含划分好的数据、类别字典及Python数据可视化脚本】
    优质
    该数据集包含九种类别的纸币面额图像，附带详细标注和Python脚本用于数据展示与分析。 数据包含：9种纸币面额识别【包括划分好的训练集、类别字典文件以及Python数据可视化脚本】 分类个数为9类，分别是1元、10元、100元、200元、500元等。 数据集详情如下：data目录下分为train和test两个子目录。其中，train用于训练模型的数据总数为546张图片；test作为验证集使用，包含总共100张图片。这些数据可以用来构建YOLOv5的分类任务所需的数据集。 此外还包括一个json文件，内含9种纸币面额的类别字典信息。 为了便于查看和理解数据情况，提供了一个Python脚本用于可视化展示随机选取的4张图片，并将生成的结果保存在当前目录下。该脚本无需修改即可直接运行。
     
  • 医学图像分类：肾脏结节与肿瘤的图像识别（含预划分的数据文件及类别字典）
    优质
    本项目专注于开发用于医学图像中肾脏结节和肿瘤自动分类的技术。通过应用先进的图像处理算法和机器学习模型，旨在提高诊断效率与准确性，并提供包含训练数据集及其对应类别的详细信息。 医学图像分类：肾脏结节与肿瘤数据集 该数据集中包括划分好的训练、验证及测试三个文件夹的数据图片，并附有类别字典文件。 【分类个数：3】正常、结节、肿瘤（具体查看json文件） 【数据集详情】data目录下分为2个主要子目录，即训练集和验证/测试集合。每个集中存放各自类别的图像。 - 训练集图片总数为2800张 - 验证集与测试集各含400及800张图片 该数据可以用于yolov5的分类任务或其它分类网络模型训练。 如需可视化查看此数据集，可运行资源中的show脚本。
     
  • YOLO 数据集：鱼类疾病图像识别【含预划分数据集、类别文件及可视化脚本】
    优质
    这是一个用于鱼类疾病的图像识别的数据集，包含已分类的图片和可视化工具，旨在帮助研究者进行模型训练与验证。 YOLO 数据集：鱼身上疾病图像目标检测【包含划分好的数据集、类别class文件、数据可视化脚本】 该数据集按照YOLOV5文件夹结构保存，可以直接用于yolo模型训练。 类别个数（5）：细菌性疾病、真菌性疾病、健康鱼、寄生虫病、白尾病【具体参考classes文件】 数据结构如下： - 训练集包含约720张图片和对应的标签txt文件。 - 验证集包括大约100张图片及其对应标签的txt文件。 - 测试集中有约100张图片及相应的标签txt文件。 为了方便查看数据，提供了可视化py脚本。只需随机传入一张图像即可绘制边界框，并且保存在当前目录中。此脚本无需修改，可以直接运行以生成可视化图像。
     
  • 肝肿瘤分割医学图像数据（LiTS）：含切片数据集（3类别）、标签及可视化代码
    优质
    简介：LiTS数据集专为肝肿瘤分割设计，提供包含肝脏、肿瘤和背景三类别的CT切片图像及其对应标注，并附有可视化工具。 项目包含：肝肿瘤分割（LiTS）切片【包括切片后的数据集（3类别）、标签文件、可视化代码】 其中mask中的1表示肝脏区域、2表示肿瘤区域，0为背景部分，请参考classes.txt文件以获取更多细节。 该数据集由LITS的冠状面图像切分而成，共包含从131个病例中提取出的数据。为了便于分割操作，在进行切片时已去除ROI（感兴趣区域）不足5%的部分。mask灰度值为0、1和2的阈值图，图片与标签分别以jpeg和png格式存储，并提供了可视化代码用于观察mask。 数据集分为训练集和测试集： - 训练集包括images目录中的10937张图片及masks模板目录下的对应数量的mask图片； - 测试集中则有4686张图像及其对应的相同数量的标签。
     
  • YOLO 数据集：水稻稻穗识别（1类）【含划分好数据集、类别文件及数据可视化脚本】
    优质
    该资源提供了一个专门用于水稻稻穗识别的数据集，包含完整的标注图像和类别定义，并附带数据可视化工具。 数据保存按照YOLOV5文件夹结构进行组织，可以直接用于Yolo检测。 标注格式如下：classes、x_centre、y_centre、w、h（使用的是YOLO的相对坐标系统）。 【数据集类别】包含1个类别：稻穗 该数据集分为训练集和验证集： - 训练集(datasets-images-train)包括6108张图片及对应的6108个标签txt文件。 - 验证集(datasets-images-val)则有530张图片及其相应的530个标签txt文件。 【类别文本段落件】：每个类别的标注信息都保存在单独的.txt格式文档中，方便查看和管理。 为了便于直观地检查数据情况，我们提供了一个可视化py脚本。只需随机选取一张图像作为输入参数即可绘制出边界框，并将其保存至当前工作目录下。此脚本无需任何修改就可以直接运行以生成可视化的图像结果。 对于YOLOV5的改进与实战应用相关内容，请参考相关博客文章或官方文档获取更多信息。
     
  • YOLO 数据集：瓷砖裂缝识别与检测（含2类分类）【内附划分好的数据集、类别文件及数据可视化脚本】
    优质
    本项目提供了一个用于瓷砖裂缝识别的数据集，包含两类分类标签。数据集已划分为训练集和测试集，并配有类别文件及数据可视化脚本，便于快速上手使用。 1700 张左右使用lableimg标注软件进行标记的图片，格式为png，标签以txt文本形式保存在不同目录下。这些数据可用于瓷砖裂缝检测，并可通过翻转、添加噪声等方法增强部分数据集。 总共包含两个类别：裂缝和正常。具体类别的信息可以在classes.txt 文件中查看。 为了方便查看数据，提供了一个可视化py文件，可以随机传入一张图片来绘制边界框并保存在当前目录下。此脚本无需更改即可直接运行以生成可视化图像。
     
  • 微铣削刀具磨损图像的分类与识别(含预划分的数据文件及类别字典)
    优质
    本研究针对微铣削加工中刀具磨损问题，开发了一套图像分类与识别系统。通过预处理和特征提取技术，结合机器学习算法，实现对刀具磨损状态的有效评估，并提供了数据集和类别定义以供参考。 数据集分为训练集和测试集两个目录，每个目录下存放同一类别的图片。训练集中共有3600张图片，而测试集中有900张图片。这些数据可以用于YOLOv5的分类任务或CNN分类网络的数据集。 若想可视化该数据集，可运行提供的脚本段落件。 关于CNN分类网络项目和基于YOLOv5的分类方法，请参考相关博客文章。