国内网盘下载地址：

注：网盘资源整理自官方开源数据（原始来源：Zenodo），仅供学术研究使用。

---

一、数据集概述

AMOS22（Multi-Modality Abdominal Multi-Organ Segmentation Challenge）是一个大规模腹部多器官分割基准数据集，由深圳市大数据研究院牵头，在MICCAI 2022上组织国际挑战赛时发布。该数据集旨在推动基于CT和MRI图像的腹部多器官自动分割研究，共吸引了全球550余支队伍参赛。

数据集包含来自600名患者的500个CT扫描和100个MRI扫描，所有病例均来自多中心、多厂商、多模态、多时相采集。数据涵盖了患有各类腹部疾病的患者，正常腹部病例被排除在外。

二、数据规模与标注

数据集划分 数量 文件格式

训练集（train） 240 .nii.gz

验证集（val） 120 .nii.gz

测试集（test） 240 .nii.gz

数据总存储大小约24.2GB。

标注器官（共15类） ：脾脏、右肾、左肾、胆囊、食道、肝脏、胃、主动脉、下腔静脉、胰腺、右肾上腺、左肾上腺、十二指肠、膀胱、前列腺/子宫。

标注采用AI预标注 + 人工精修的两阶段流程：先由预训练分割模型生成粗略伪标注，再由5名初级放射科医生逐例审查修正，最后由3名资深放射科医生（10年以上经验）完成最终验证。

三、数据集特点与挑战

长尾分布：各器官标注规模差异显著，肝脏标注体积约为肾上腺的200倍，这种面向真实临床场景的长尾分布使分割任务更具挑战性。

多模态覆盖：同时包含CT和MRI两种模态，且涵盖多种对比度和非对比度序列。

多疾病覆盖：患者确诊腹部肿瘤或其他异常，覆盖多种疾病类型。

四、使用许可与引用

数据集遵循CC BY 4.0许可证。使用本数据集请引用：

```bibtex

@article{ji2022amos,

  title={Amos: A large-scale abdominal multi-organ benchmark for versatile medical image segmentation},

  author={Ji, Yuanfeng and Bai, Haotian and Ge, Chongjian and Yang, Jie and Zhu, Ye and Zhang, Ruimao and Li, Zhen and Zhanng, Lingyan and Ma, Wanling and Wan, Xiang and others},

  journal={Advances in Neural Information Processing Systems},

  volume={35},

  pages={36722--36732},

  year={2022}

}

```

官方挑战赛主页：https://amos22.grand-challenge.org/