夜雨聆风🍃 ZenResearch · 禅意科研
Radiology AI Lab · 影像 AI 实验室 · Vol. 03
DATABASE RESEARCH SERIES｜免费医学数据库系列 ③
影像科医生最该知道的免费医学影像数据库
从 TCIA、MIDRC、OpenNeuro 到 BraTS 和 MIMIC-CXR，医学影像 AI 研究到底该从哪里找数据？
栏目定位｜Radiology AI Lab 从影像科医生视角拆解医学影像 AI。我们关心的不只是模型结构，更关心它如何处理 CT、MRI、超声和病理图像，如何评价结果，以及为什么影像 AI 从论文走向临床并不容易。
医学影像 AI 研究里，很多人第一步就走错了。
他们先问：有没有模型？有没有代码？有没有现成的 U-Net、nnU-Net、SAM、MedSAM？
但影像 AI 的真正起点，往往不是模型，而是数据。
数据决定了你能做分类、检测、分割、配准、影像组学，还是图文多模态；也决定了你的研究是否有临床解释，是否能做外部验证，是否能被审稿人相信。
✦ 本篇核心观点
影像 AI 数据库不是“图片仓库”，而是一个研究任务的边界条件。医生要看的不只是数据量，还要看模态、标注、病种、临床结局、随访信息和外部验证可能性。
01｜TCIA：肿瘤影像研究绕不开的数据库
TCIA，全称 The Cancer Imaging Archive，是癌症医学影像研究中最常用的开放数据资源之一。它提供去标识化的癌症医学影像，常见模态包括 CT、MRI、PET、病理图像等。
对影像科医生来说，TCIA 最大的价值不是“图片多”，而是很多数据集与肿瘤类型、治疗信息、病理信息、基因组学数据或临床结局存在一定关联。
TCIA 适合做什么？
① 影像组学：提取 CT/MRI/PET 特征，预测分期、分型、预后或治疗反应。
② 深度学习分类：良恶性、亚型、分级、复发风险等。
③ 分割任务：肿瘤、器官、靶区或病灶区域分割。
④ 影像-组学关联：radiogenomics，探索影像表型和分子特征的关系。
ZenResearch 判断
TCIA 适合影像科医生入门影像组学和医学影像 AI。真正值得做的不是“拿一个公开数据集跑模型”，而是明确肿瘤临床问题：分期？分型？疗效？复发？生存？只有终点清楚，模型才有医学意义。
02｜IDC：云端癌症影像分析的新入口
IDC，全称 Imaging Data Commons，是 NCI Cancer Research Data Commons 的一个节点。它把公开癌症影像数据放在云端，并和分析、检索、探索工具结合起来。
如果说 TCIA 更像“影像数据仓库”，IDC 更像“云端可分析的癌症影像数据平台”。对于不想大量本地下载 DICOM 数据的新手，IDC 是值得关注的方向。
适合人群
① 想学习云端医学影像分析的人。
② 想把影像数据和临床、组学数据连接起来的人。
③ 想避免本地 DICOM 数据管理复杂性的研究者。
03｜MIDRC：医学影像 AI 泛化能力研究的材料
MIDRC，全称 Medical Imaging and Data Resource Center，最初因 COVID-19 相关医学影像数据共享需求而受到关注。它的关键词是：多机构、医学影像、元数据、数据共享、AI 研究。
它对影像 AI 研究特别重要的一点是：模型不能只在单中心、单机器、单协议的数据上表现好。真正走向临床，需要面对不同医院、不同设备、不同扫描参数和不同人群。
ZenResearch 判断
MIDRC 适合用来讨论影像 AI 的泛化能力、数据偏倚和真实世界部署问题。对医生来说，它提醒我们：一个模型在公开数据集上 AUC 很高，不等于它在本院、本设备、本流程里一定可靠。
04｜MIMIC-CXR：胸片、报告和多模态 AI 的经典数据
MIMIC-CXR 是医学影像 AI 里非常重要的胸片数据资源。它的价值不只是胸片图像本身，还包括影像报告文本。
这使它非常适合做图文多模态研究：模型既要看图，也要理解报告；既能做疾病标签预测，也能做报告生成、影像-文本对齐和医学视觉语言模型训练。
适合研究任务
① 胸片疾病分类：肺炎、气胸、胸腔积液、肺不张等。
② 报告结构化：从影像报告中抽取疾病标签和关键发现。
③ 报告生成：输入图像，生成影像描述或印象。
④ 多模态模型：图像与文本联合建模。
影像科医生要注意
报告不是绝对真值。影像报告里存在表达习惯、否定词、模糊描述和历史对比信息。用报告自动生成标签时，要警惕标签噪声。
05｜OpenNeuro：神经影像和脑科学研究入口
OpenNeuro 是一个开放的神经影像数据共享平台，支持 BIDS 规范，数据类型包括 MRI、PET、MEG、EEG、iEEG 等。
它适合研究认知、任务态 fMRI、静息态网络、癫痫、睡眠、脑功能连接、神经精神疾病等问题。
适合做什么？
① 静息态功能连接分析。
② 任务态 fMRI 激活模式分析。
③ EEG / MEG 信号分析。
④ 脑影像机器学习和神经精神疾病分类。
ZenResearch 判断
OpenNeuro 更适合有一定神经影像基础的研究者。它不是简单“下载 MRI 做分类”，而是需要理解 BIDS、预处理流程、脑区模板、功能连接和统计建模。
06｜ADNI / OASIS：阿尔茨海默病和脑老化研究常用数据
ADNI 和 OASIS 是神经退行性疾病研究中常见的开放数据资源。它们主要围绕脑 MRI、PET、认知量表、阿尔茨海默病和轻度认知障碍展开。
这类数据库的典型任务包括：脑萎缩分析、海马体积测量、AD / MCI 分类、认知下降预测、脑龄估计、多模态风险预测等。
适合选题
① MRI 特征预测 MCI 向 AD 转化。
② PET、MRI、认知量表的多模态建模。
③ 脑结构萎缩与认知功能下降。
④ 脑龄、脑网络和神经退行性疾病风险。
07｜BraTS：医学影像分割入门的经典挑战赛
BraTS，也就是 Brain Tumor Segmentation Challenge，是脑肿瘤 MRI 分割领域非常经典的数据和任务体系。它围绕多参数 MRI 上的胶质瘤区域分割展开，是很多医学影像分割模型的训练和评估入口。
如果你想学习 U-Net、nnU-Net、3D segmentation、Dice、Hausdorff distance，BraTS 是很好的教学材料。
ZenResearch 判断
BraTS 非常适合训练影像 AI 基本功，但不要误以为挑战赛成绩等于临床可用。真实临床中会遇到扫描协议不一致、序列缺失、运动伪影、术后改变、治疗后坏死和边界不清等问题。
08｜RSNA / Kaggle Challenge：适合训练影像 AI 基本功
RSNA 与 Kaggle 上有不少医学影像挑战赛数据，主题包括肺炎、肺栓塞、颅内出血、乳腺影像、骨折、胸片异常检测等。
这类数据集适合用来学习影像 AI 的完整流程：数据读取、图像预处理、训练集与验证集划分、模型训练、提交指标、错误分析。
适合什么阶段？
① 入门阶段：学习分类、检测、分割的基本流程。
② 进阶阶段：做模型比较、数据增强、集成学习、错误分析。
③ 教学阶段：适合做影像 AI 工作坊、研究生训练营、模型复现实验。
09｜影像数据库怎么选？先看任务，再看数据
10｜影像 AI 数据库最容易踩的 6 个坑
坑 1：把公开数据集当成真实临床全貌
公开数据集通常经过筛选、整理和去标识化，不能完全代表真实临床工作流。
坑 2：只看图像，不看标注
分割标签是谁做的？几个医生标的？有没有共识？有没有质控？这些比模型结构更重要。
坑 3：把报告标签当成金标准
影像报告是临床文本，不是完美标签。尤其在胸片多标签分类中，要特别注意标签噪声。
坑 4：只做内部验证
影像 AI 最容易在同一数据集内部表现很好，一换医院、一换设备、一换协议，性能就下降。
坑 5：模型指标很好，但临床问题不清楚
Dice、AUC、accuracy 很高，不代表研究有价值。医生更关心：这个模型解决了哪个临床环节的问题？
坑 6：忽略 DICOM 和预处理细节
层厚、窗宽窗位、重建核、配准、重采样、归一化都会影响结果。影像 AI 不是简单把图片丢进模型。
11｜给影像科医生的选题模板
影像 AI 数据库选题模板
① 临床问题：要解决诊断、分型、分割、预后、疗效还是报告生成？
② 数据来源：TCIA、IDC、MIMIC-CXR、OpenNeuro、ADNI、OASIS、BraTS 等。
③ 图像模态：CT、MRI、PET、X-ray、病理图像，是否多模态。
④ 标签来源：医生标注、报告抽取、病理结果、随访结局、治疗反应。
⑤ 任务类型：分类、检测、分割、配准、生成、预测模型。
⑥ 验证方式：内部验证、外部验证、多中心验证、跨设备验证。
⑦ 评价指标：AUC、sensitivity、specificity、Dice、IoU、Hausdorff、calibration。
⑧ 临床解释：模型输出如何进入影像报告、MDT、治疗决策或随访管理？
✦ TAKEAWAY
影像 AI 的起点不是模型，而是数据和临床问题
TCIA、IDC 适合肿瘤影像组学和癌症影像 AI；MIMIC-CXR 适合胸片与报告多模态研究；OpenNeuro、ADNI、OASIS 适合神经影像和脑老化；BraTS 适合医学影像分割入门。
影像科医生做 AI 研究的优势，不是比工程师更会写模型，而是更懂图像质量、标注标准、疾病定义、临床终点和真实工作流。
一个值得发表的影像 AI 研究，应该让审稿人看到：数据可靠、任务真实、验证充分、结果可解释、边界讲清楚。
本文信息卡
本期主题：免费医学影像数据库
所属栏目：Radiology AI Lab｜影像 AI 实验室
核心数据库：TCIA、IDC、MIDRC、MIMIC-CXR、OpenNeuro、ADNI、OASIS、BraTS、RSNA / Kaggle Challenge datasets
适合方向：影像组学、深度学习、分割、胸片报告生成、神经影像、脑肿瘤分割、多模态 AI
核心提醒：影像 AI 数据库研究要重点关注图像质量、标注来源、外部验证、临床终点和真实工作流。
资料来源：The Cancer Imaging Archive、NCI Imaging Data Commons、Medical Imaging and Data Resource Center、MIMIC-CXR / PhysioNet、OpenNeuro、ADNI、OASIS、BraTS Challenge、RSNA / Kaggle 医学影像挑战赛公开资料。
本文仅用于医学影像 AI 与医学科研学习交流，不构成临床诊疗、伦理审批、数据访问、模型部署或投稿建议。具体数据库使用需遵守相应平台的数据使用协议、隐私保护要求和引用规范。
🍃
ZenResearch
禅 意 科 研
─────────
在喧嚣里，慢一点看清楚。
硬核但不焦虑，前沿但不浮躁。
─────────
⭐ 星标本号 · 不在算法里走散
💬 留言交流 · 让我们听见彼此
