Datasets:

Heynew
/

undergraduate_crack_citrus_data

.
├── imagesTr/               # 25 例用于微调训练的柑橘 CT 图像
├── imagesTs_label_gd/      # 训练图像对应的分割掩码（ground truth）
├── imagesTs/               # 24 例用于效果验证的柑橘 CT 图像
├── labelsTr/               # 验证图像对应的分割掩码
├── imagesTr.png            # 训练集编号与柑橘品类的可视化对应图
├── imagesTs.png            # 验证集编号与柑橘品类的可视化对应图
└── dataset.json            # DinoUNet 与 nnU-Net 使用的数据集配置文件

重要说明： 本数据集的目录名称与部分 nnU-Net 数据集的标准命名习惯可能不同。使用时请以本页列出的实际对应关系为准，不要仅根据目录名推断数据用途。

数据字段与对应关系

数据文件主要以序号命名。序号本身不直接表示柑橘品类，具体编号与柑橘品类之间的对应关系请参照：

imagesTr.png：训练集样本编号与柑橘品类的对应关系；
imagesTs.png：验证集样本编号与柑橘品类的对应关系。

图像与掩码应根据文件名中的相同样本编号进行配对：

CT 图像目录	对应掩码目录	数据用途
`imagesTr/`	`imagesTs_label_gd/`	微调训练
`imagesTs/`	`labelsTr/`	效果验证

使用方式

通过 Hugging Face Hub 下载

from huggingface_hub import snapshot_download

dataset_dir = snapshot_download(
    repo_id="<用户名>/<数据集仓库名>",
    repo_type="dataset",
)

print(dataset_dir)

下载后，可依据上方的图像—掩码对应表构建训练集和验证集。dataset.json 可用于配置 DinoUNet 或 nnU-Net；实际字段、模态和标签定义请以该文件内容为准。

文件配对示例

以下示例按文件名主干匹配图像和掩码。若图像与掩码使用了不同后缀或 nnU-Net 通道后缀（如 _0000），请根据实际命名规则调整。

from pathlib import Path

root = Path("<数据集下载目录>")

train_images = sorted((root / "imagesTr").iterdir())
train_masks = sorted((root / "imagesTs_label_gd").iterdir())

val_images = sorted((root / "imagesTs").iterdir())
val_masks = sorted((root / "labelsTr").iterdir())

print(f"训练图像：{len(train_images)}")
print(f"训练掩码：{len(train_masks)}")
print(f"验证图像：{len(val_images)}")
print(f"验证掩码：{len(val_masks)}")

数据配置

仓库根目录中的 dataset.json 保存 DinoUNet 和 nnU-Net 所需的数据集配置信息。开始训练前，建议确认以下内容与当前运行环境及数据文件一致：

图像模态或通道定义；
分割标签及其数值编码；
训练样本数量；
文件扩展名；
数据集名称与路径配置。

数据质量与使用注意事项

数据集规模较小，仅包含 49 例样本，实验时应关注过拟合风险；
建议在训练阶段使用数据增强，并固定随机种子以提高实验的可复现性；
训练集与验证集已经预先划分，不建议在模型选择过程中将验证数据用于训练；
读取掩码时应采用最近邻插值，避免缩放或重采样产生新的标签值；
在运行训练前，应检查每幅 CT 图像与对应掩码的尺寸、空间信息和样本编号是否一致；
柑橘品类信息需要结合 imagesTr.png 和 imagesTs.png 读取。

已知限制

当前说明未提供 CT 图像的文件格式、体素间距、图像尺寸、扫描设备及采集参数；
当前说明未提供分割目标、标签类别名称及掩码数值编码；
当前说明未提供柑橘品类的文本映射表，品类对应关系以配套 PNG 图像为准；
该数据集的规模和划分可能不足以代表所有柑橘品类、成熟度、产地或扫描条件，模型的跨域泛化能力需要另行验证。

许可证

本数据集暂未声明许可证。上传至 Hugging Face Hub 前，请根据数据权属与预期用途补充合适的许可证，并在本页 YAML 元数据中添加对应的 license 字段。

引用

如果本数据集对应论文、项目或公开成果，请在此补充推荐引用信息：

@dataset{citrus_ct_segmentation,
  title  = {Citrus CT Segmentation Dataset for UNet Fine-tuning},
  author = {待补充},
  year   = {待补充},
  url    = {待补充}
}