ACDC数据集下载全指南：从零开始到高效获取医学影像数据

1次阅读

没有评论

共计 3389 个字符，预计需要花费 9 分钟才能阅读完成。

ACDC 数据集（Automatic Cardiac Diagnosis Challenge）是心脏 MRI 分析领域的标杆数据集，包含 150 例患者的舒张末期和收缩末期短轴切片。其核心价值在于：

提供专业的左心室分割标注（由放射科医生手动勾画）
覆盖多种心脏疾病类型（扩张型心肌病、肥厚型心肌病等）
包含完整的 DICOM 原始数据和临床元数据

数据结构特点：

每个患者一个独立文件夹，命名格式为patientXX
包含 DICOM_original 和Ground两个子目录
每个时间点的影像序列约 8 -15 个切片（分辨率 256×256）

需要填写详细的研究用途说明（平均审批耗时 3 - 7 天）
邮箱验证环节容易被归类为垃圾邮件
下载链接有效期仅 72 小时

PyTorch/TensorFlow 无法直接读取 DICOM 像素阵列
不同设备的 DICOM 存储格式存在差异（如 Philips 使用私有标签）
多时相数据需要手动对齐时序

完整数据集约 45GB，普通下载易中断
欧洲服务器延迟高（平均 RTT 300ms+）
需要验证文件完整性（官方未提供校验码）

import requests
from bs4 import BeautifulSoup

# 配置登录信息
login_url = "https://acdc.creatis.insa-lyon.fr/login"
data = {
    "username": "your_email@domain.com",
    "password": "your_password",
    "submit": "Login"
}

# 维持会话
session = requests.Session()
response = session.post(login_url, data=data)

# 检查登录状态
if "My Account" in response.text:
    print("登录成功")
else:
    raise Exception("登录失败，请检查凭据")

import os
import hashlib
from concurrent.futures import ThreadPoolExecutor
from tqdm import tqdm

# 下载单个文件
# 注意：实际使用时需要替换真实的下载 URL 列表
def download_file(url, save_path, session):
    try:
        with session.get(url, stream=True) as r:
            r.raise_for_status()
            total_size = int(r.headers.get('content-length', 0))

            with open(save_path, 'wb') as f, tqdm(desc=os.path.basename(save_path),
                total=total_size,
                unit='B',
                unit_scale=True
            ) as pbar:
                for chunk in r.iter_content(chunk_size=8192):
                    f.write(chunk)
                    pbar.update(len(chunk))

        # MD5 校验
        with open(save_path, 'rb') as f:
            file_hash = hashlib.md5(f.read()).hexdigest()
        return file_hash
    except Exception as e:
        print(f"下载失败 {url}: {str(e)}")
        return None

# 批量下载
# 注意：urls_list 需要从网页解析获取真实下载链接
urls_list = [...]  
save_dir = "./ACDC_data"
os.makedirs(save_dir, exist_ok=True)

with ThreadPoolExecutor(max_workers=4) as executor:
    futures = []
    for url in urls_list:
        save_path = os.path.join(save_dir, url.split('/')[-1])
        futures.append(executor.submit(download_file, url, save_path, session))

    # 等待所有任务完成
    for future in futures:
        future.result()

import dicom2nifti
import glob

# 转换单个患者数据
def convert_patient(patient_dir):
    dicom_dir = os.path.join(patient_dir, "DICOM_original")
    output_dir = os.path.join(patient_dir, "NIfTI")

    os.makedirs(output_dir, exist_ok=True)

    # 关键参数说明：# - reorient_nifti：自动调整图像方向
    # - compression：启用压缩节省空间
    dicom2nifti.convert_directory(
        dicom_dir, 
        output_dir,
        reorient_nifti=True,
        compression=True
    )

    print(f"已转换 {patient_dir}")

# 批量转换
patient_dirs = glob.glob("./ACDC_data/patient*")
for dir in patient_dirs:
    convert_patient(dir)

在 requests 会话中配置重试策略：

from requests.adapters import HTTPAdapter
from urllib3.util.retry import Retry

retry_strategy = Retry(
    total=3,
    backoff_factor=1,
    status_forcelist=[500, 502, 503, 504]
)
adapter = HTTPAdapter(max_retries=retry_strategy)
session.mount("https://", adapter)
session.mount("http://", adapter)

import shutil

def check_disk_space(required_gb=50):
    total, used, free = shutil.disk_usage("/")
    if free < required_gb * 1024**3:
        raise Exception(f"需要至少 {required_gb}GB 剩余空间，当前仅剩 {free/1024**3:.1f}GB")

保留必要标签的示例：

import pydicom

def anonymize_dicom(dcm_path):
    ds = pydicom.dcmread(dcm_path)

    # 必须保留的标签
    keep_tags = [(0x0028, 0x0010),  # Rows
        (0x0028, 0x0011),  # Columns
        (0x0028, 0x0030),  # Pixel Spacing
        (0x0018, 0x0088),  # Slice Spacing
    ]

    # 清除其他个人信息
    for elem in ds:
        if elem.tag not in keep_tags:
            if elem.VR == "LO" or elem.VR == "PN":
                ds.data_element(elem.tag).value = "ANONYMIZED"

    ds.save_as(dcm_path)

本方案可适配其他医学影像数据集的要点：