Low-Cost Microscopic Images for Parasitic Egg Detection — 低成本显微寄生虫虫卵四分类检测数据集

Low-Cost Microscopic Images for Parasitic Egg Detection（chula-parasitic-egg）

INFOBOX｜条目速查卡

维度	内容
数据集全称	Low-Cost Microscopic Images for Parasitic Egg Detection
本条目 slug	chula-parasitic-egg
持久标识	DOI 10.5281/zenodo.10437395
发布平台	Zenodo（record 10437395）
发布机构	朱拉隆功大学（泰国）× 布里斯托大学（英国）
首发日期	2023-12-28（Version v1）
图像总数	162 张
类别数	4 类（蛔虫卵 / 缩小膜壳绦虫卵 / 布氏姜片吸虫卵 / 带属绦虫卵）
成像条件	10× 低成本显微镜，640×480 像素
标注	领域专家人工标注（面向检测 + 分类）
归档文件	Chula_parasitic_egg_detection.zip，94.0 MB
文件校验	md5 a70ff3626a361f37108d74a75295c08a
主任务	寄生虫虫卵检测 + 四分类
库内同域	nih-malaria（502）、lightmycells2（631）、acevedo-blood（722）等
易混近邻	Chula-ParasiteEgg-11（11 类 / 13,750 张），非本条目

---

§0 导读：这是什么，为什么值得写

寄生虫病（尤其是肠道蠕虫病）在全球中低收入地区仍然是沉重的公共卫生负担。世界卫生组织长期把土源性蠕虫感染、血吸虫病、食源性吸虫病列为需要重点控制的被忽视热带病。控制这类疾病的第一道关卡，是粪便或血涂片的显微镜检查——检验人员在显微镜下辨认虫卵，判断虫种，从而决定驱虫用药与人群普查策略。

问题在于：显微镜检查的准确性高度依赖检验人员的经验，而资源受限地区往往缺乏受过充分训练的镜检人员。一台低成本显微镜加上一部手机或低成本相机，理论上就能把显微图像数字化，再用算法辅助判别——这正是「低成本显微 + 计算机辅助诊断」这条技术路线的现实动机。

本条目要写的 Low-Cost Microscopic Images for Parasitic Egg Detection，正是为这条技术路线准备的一份公开训练/评测数据。它的核心特征可以用三句话概括：

1. 规模小但精：仅 162 张图像，却由领域专家逐张标注，覆盖四类常见的肠道寄生虫虫卵；
2. 面向真实约束：图像来自 10× 低成本显微镜，分辨率 640×480 像素——刻意保留了「便宜设备拍出来的画质」这一真实约束；
3. 来自权威机构：由泰国朱拉隆功大学与英国布里斯托大学联合发布，配套一篇发表在 SN Computer Science 的方法学论文。

这份数据集回答的是姊妹综述（arXiv:2203.02940）明确指出的领域瓶颈：公开可用、标注良好、低成本成像的寄生虫虫卵数据集极度稀缺。它不是在实验室理想条件下采集的高清图库，而是贴近基层筛查场景的、带有真实成像缺陷的小规模专家标注集。

记一句话：它是「低成本显微镜 + 四类肠道虫卵 + 162 张专家标注」的可下载即用型资源集，不是竞赛型大数据集——请务必把它与同为 Chula 家族、但规模 11 类 / 13,750 张的 Chula-ParasiteEgg-11 区分开来（详见 §5）。

---

§1 速览十问十答

Q1：这份数据集叫什么？
A1：官方名称为 Low-Cost Microscopic Images for Parasitic Egg Detection（低成本显微寄生虫虫卵检测图像），本条目 slug 为 chula-parasitic-egg。

Q2：谁发布的？
A2：泰国 朱拉隆功大学（Chulalongkorn University） 与英国 布里斯托大学（University of Bristol） 联合发布，托管在 Zenodo（record 10437395）。

Q3：有多少张图？
A3：162 张——与任务 brief 中的「162 张」精确吻合，且 67 + 27 + 32 + 36 = 162 自洽。

Q4：分几类？
A4：4 类——与任务 brief 中的「四分类」精确吻合。四类分别是蛔虫卵、缩小膜壳绦虫卵、布氏姜片吸虫卵、带属绦虫卵。

Q5：图像怎么拍的？
A5：10× 低成本显微镜拍摄，单张 640×480 像素。低倍率与低分辨率是该数据集刻意保留的「真实约束」。

Q6：标注到什么程度？
A6：由领域专家人工标注，面向 目标检测（bounding box）+ 分类。是否含独立标注文件未逐文件核验，以「专家标注、面向检测」表述并存照。

Q7：怎么下载？收费吗？
A7：Zenodo 公开直下，无需申请、无门槛；归档文件为 Chula_parasitic_egg_detection.zip，94.0 MB，md5 为 a70ff3626a361f37108d74a75295c08a。

Q8：有配套论文吗？
A8：有。方法学一手论文为 arXiv:2107.00968，期刊正式版为 SN Computer Science 5(1):82, 2024（DOI 10.1007/s42979-023-02406-8，开放获取）。

Q9：有官方排行榜吗？
A9：没有。它是「可下载即用」型资源集，不是竞赛型；不要把它与有公开评测排行的 ICIP 2022 挑战赛搞混。

Q10：数据集本体的 license 是什么？
A10：待核。Zenodo 记录页本次抓取未渲染出 license 字段；相关论文是 CC BY 4.0，但论文许可 ≠ 数据集许可，本条目并存照且不臆断。

---

§2 数据构成与规格

§2.1 四类虫卵的类别构成

本数据集共 162 张图像，分为 4 个类别，逐类张数如下表。所有类别名以数据集/论文中使用学名为准，并给出中文常用名与简要临床背景。

序号	学名（数据集口径）	中文常用名	张数	占比	简要背景
1	Ascaris lumbricoides	蛔虫卵	67	41.4%	土源性蠕虫，全球感染人数最多的肠道线虫
2	Taenia spp.	带属绦虫卵	36	22.2%	猪/牛带绦虫等，食源性，虫卵形态近似需细分
3	Fasciolopsis buski	布氏姜片吸虫卵	32	19.8%	食源性吸虫，与水生植物（菱角、荸荠）相关
4	Hymenolepis diminuta	缩小膜壳绦虫卵	27	16.7%	鼠类绦虫，偶见人感染，与仓储害虫相关
—	合计	—	162	100%	—

自洽校验：67 + 27 + 32 + 36 = 162，与记录页公布的总数一致，无缺项、无重叠。

类别不平衡的直观读法：最多的蛔虫卵（67 张）是最少的缩小膜壳绦虫卵（27 张）的约 2.48 倍。这是一个轻度不平衡的分布——不足以颠覆训练，但足以让「按准确率报数」失真。评估时应优先使用宏平均（macro-F1）或每类召回，而非仅看总体准确率。

§2.2 成像规格

规格项	取值	说明
放大倍率	10×	低成本显微镜物镜倍率，视野较宽、细节有限
图像分辨率	640 × 480	4:3 比例，VGA 级；与现代高清相机差距显著
成像设备	低成本显微镜 + 低成本相机/手机	数据集名称中的「low-cost」即此意
图像格式	zip 内图像文件（JPG/PNG 等标准格式）	归档为单一 zip，便于整体下载
归档文件	Chula_parasitic_egg_detection.zip	大小 94.0 MB
文件校验	md5 a70ff3626a361f37108d74a75295c08a	Zenodo 记录页公布值，下载后应校验

为什么记录 640×480 很重要：在显微检测任务里，虫卵的判别依赖壳壁厚度、卵盖、卵内结构等微细形态特征。640×480 意味着单个虫卵在画面中可能只有几十个像素宽，这会直接限制「细粒度分类」的天花板，也是论文显式讨论「低成本成像挑战」的原因。

§2.3 图像里有什么

一张典型图像是低成本显微镜视野下的一块涂片区域，其中包含一个或多个寄生虫虫卵，背景为涂片基质（粪便或培养介质残渣）。任务要模型做到两件事：

• 检测（detection）：在视野中定位虫卵所在位置，给出目标框；
• 分类（classification）：判定每个目标的虫种类别（四类之一）。

这两件事合起来，就是「显微镜下的虫卵自动识别」——一个典型的目标检测 + 细粒度分类复合任务。

§2.4 与「临床级图库」的差别

必须诚实地指出：这不是一套为了「好看」而采集的图库。它的价值恰恰在于它不好看——10× 低倍率、640×480 低分辨率、涂片背景杂乱，全都如实反映了基层现场筛查的真实成像条件。用这样的数据训练出来的模型，才有机会在同样廉价的设备上真正跑起来。这也解释了为什么数据集名称要把「Low-Cost」写进标题：低成本不是缺陷，是设计目标。

§2.5 记录单元与数据模型

从数据建模的角度看，本数据集可以用「记录集」的方式理解：每一条记录对应一张显微图像，记录带有类别标签，并（在有标注的前提下）带有一个或多个目标框。用 cr:RecordSet 的视角表述即为：记录集大小 162，测量变量为「虫卵类别标签」与「目标框标注」。

这样的数据模型决定了它的读取惯用法：

• 分类视角：把每张图当作一个样本，标签是四类之一 → 直接喂给分类网络；
• 检测视角：把每张图当作一个场景，目标是图中的若干虫卵实例 → 喂给检测网络；
• 联合视角：先检测再分类（two-stage），或端到端检测分类（one-stage）。

§2.6 采样与分布观察

162 张的分布呈现三个可观察特征：

1. 长尾轻度：41.4% / 22.2% / 19.8% / 16.7%，不是极端长尾，但头尾比 2.48 倍足以影响朴素评估；
2. 中医用「大卵」偏多：蛔虫卵与姜片吸虫卵合计 99 张（61.2%），这两类形态相对更大更醒目；
3. 易混对齐全：四类中至少两组存在形态近似关系，使得「随便训一个二分类」无法解决问题。

§2.7 与任务 brief 的对齐校验

任务 brief 给出的两个特征——「162 张」「四分类」——与本次核验结果逐字对齐：

brief 特征	核验结果	是否对齐
低成本显微寄生虫虫卵	Zenodo 记录标题含 Low-Cost Microscopic / Parasitic Egg	✓
四分类	4 类	✓
162 张	162 张（67+27+32+36）	✓

这是本条目敢于确定身份的第一重依据（第二重是三源互证，第三重是与 Chula-ParasiteEgg-11 的排除法，见 §5）。

---

§3 标注与任务

§3.1 标注粒度

数据集由领域专家人工标注。在寄生虫镜检的语境里，「专家标注」有明确的分量：虫卵种类判定需要形态学知识（壳壁层数、卵盖有无、卵内细胞分期、大小范围），普通人难以胜任。数据集描述强调标注质量可支撑监督学习，即：

• 图像级标签：每张图归属某一虫种类别（用于分类任务）；
• 目标框标注：虫卵所在位置的 bounding box（用于检测任务）。

待核提示：zip 内是否包含独立的标注文件（如 XML/JSON/COCO 格式），还是仅以「类别目录 + 图像」的形式组织，本次未逐文件展开核验。本条目统一以「专家标注、面向检测与分类」表述并存照，读者下载后应自行确认标注文件的组织形式。

§3.2 主任务定义

任务	输入	输出	评价取向
目标检测	一张显微图像	若干目标框 + 置信度	mAP / IoU 阈值下的召回
四分类	一张图（或一个裁切目标）	四类之一	宏平均 F1 / 混淆矩阵
检测+分类联合	一张显微图像	每个目标的类别 + 框	端到端检测分类指标

§3.3 论文给出的典型用法（迁移学习路线）

方法学论文的核心命题是：在低成本显微图像上，迁移学习可以取得可用的检测/分类性能。其基本范式是：

1. 选用在 ImageNet 等大规模通用数据上预训练的主干网络（如检测/分类 CNN）；
2. 在本数据集（162 张）上微调；
3. 在小样本、类别不平衡条件下评估泛化。

这条路线之所以成立，正是因为本数据集样本量小（162 张）——从零训练不现实，迁移学习几乎是唯一可行的监督范式。论文也显式讨论了低成本成像（低倍率、低分辨率）对细粒度虫卵区分带来的挑战。

§3.4 下游应用画像

• 资源受限场景部署：轻量化模型 + 低成本显微镜 + 手机，构成可移动的现场筛查单元；
• 少样本与不平衡研究：67 / 36 / 32 / 27 的分布天然适合做类别不平衡实验；
• 域泛化研究：与高分辨率实验室图库之间的域差，是天然的迁移/域适应研究对象；
• 教学与形态学基准：四类虫卵可作为寄生虫形态学教学的标准示例集。

§3.5 场景动机：为什么是「肠道蠕虫」

被忽视热带病（NTDs）中的肠道蠕虫感染，具有「感染面广、单例危害相对可控、可通过定期驱虫大规模干预」的特点，因此低成本、可大范围铺开的筛查手段价值极高。本数据集聚焦的蛔虫、带绦虫、姜片吸虫、缩小膜壳绦虫，恰好是粪便镜检中最常遇到的几类虫卵，选择具有明确的流行病学代表性。

---

§4 成像与类别体系

§4.1 「低成本显微」的技术含义

低成本显微镜通常指价格远低于研究级显微镜、结构简化的光学设备，常见特征包括：

• 固定或有限的物镜倍率组合（本数据集为 10×）；
• 照明为简单明场，缺乏相差/暗场/DIC 等对比增强手段；
• 相机为低成本 CMOS 或手机摄像头，分辨率与色彩还原有限。

由此带来的成像后果：对比度偏低、边缘不够锐利、色彩偏移、噪声可见。这些正是传统实验室图库中通常被「清洗掉」的干扰，而本数据集将其保留——因为真实筛查现场就是这样。

§4.2 四类虫卵的形态学要点

下表给出一份便于识别的形态速查（仅作科普与实验参照，不构成医学诊断依据）：

类别	典型大小量级	形态特征要点	易混提示
蛔虫卵 Ascaris lumbricoides	较大	卵圆形，外层有凹凸不平的蛋白质膜（受精卵）	未受精卵形态差异大，易漏判
带属绦虫卵 Taenia spp.	中等	球形，胚膜厚、具放射状纹理（六钩蚴）	猪/牛带绦虫卵在光镜下难分，故合并为 spp.
布氏姜片吸虫卵 Fasciolopsis buski	大	椭圆，一端有卵盖，卵黄细胞分布特征明显	与肝片吸虫卵形态相近
缩小膜壳绦虫卵 Hymenolepis diminuta	中等	椭圆/球形，胚膜外无丝状物（区别于微小膜壳绦虫）	与微小膜壳绦虫卵易混

为什么这条对建模重要：四类虫卵中至少有两组「形态近似对」（带属内部、两种膜壳绦虫之间、两种片形吸虫之间），这意味着任务本质上是细粒度分类。在 640×480 的低分辨率下区分这些细节，正是本数据集的技术难点所在。

§4.3 类别体系的选择逻辑

数据集将「带属绦虫」合并为 Taenia spp.，而非细分到猪带/牛带绦虫——这不是偷懒，而是光镜形态学上的诚实：两者虫卵在普通明场显微镜下无法可靠区分。同理，类别体系只保留四类，聚焦最常见、最具代表性的肠道虫卵，而非穷举所有寄生虫。

§4.4 与其他 Chula 家族类别的对照

Chula 家族中规模更大的 Chula-ParasiteEgg-11（11 类 / 13,750 张）覆盖更细的类别划分。本数据集（4 类）与它是包含但不等同的关系：本集是「小而精的低成本子集」，彼集是「广而大的挑战赛集」。二者不可互相代指，具体分野见 §5。

---

§5 与 Chula-ParasiteEgg-11 的分野（关键防混）

这是本条目最重要的「防坑」章节。同名家族、极易混淆，必须逐项对齐。

§5.1 两套数据集的对照表

对照维度	本条目（真实目标）	易混近邻（非本条目）
名称	Low-Cost Microscopic Images for Parasitic Egg Detection	Chula-ParasiteEgg-11
类别数	4 类	11 类
图像总数	162 张	13,750 张
发布渠道	Zenodo record 10437395	ICIP 2022 挑战赛 / IEEE Dataport
DOI	10.5281/zenodo.10437395	10.21227/vyh8-4h71
论文	arXiv:2107.00968；SN Comput Sci 5(1):82, 2024	arXiv:2208.06063
定位	可下载即用型资源集	竞赛型挑战赛数据集
首位发布	2023-12-28（v1）	2022（ICIP 挑战赛）

§5.2 判定依据：为什么精确命中「本条目」

任务 brief 明写两个硬数字——「162 张」与「四分类」。它们同时、精确地命中上表左列的第 1 套：

• 162 = 67 + 27 + 32 + 36（四类自洽）；
• 类别数为 4，与 brief 的「四分类」一致。

而右列 Chula-ParasiteEgg-11 是 11 类 / 13,750 张，两个数字都不匹配。因此可以确定：本条目撰写的是 Zenodo record 10437395，而非挑战赛集。

§5.3 防坑操作规则

1. 检索时：用 DOI 10.5281/zenodo.10437395 而非关键词「Chula」直接检索，避免命中挑战赛集；
2. 引用时：若讨论 11 类数据集，一律标注为 Chula-ParasiteEgg-11 并附 arXiv:2208.06063，不写成「Chula 数据集」含糊带过；
3. 评估时：不要把本集结果与 ICIP 挑战赛榜单一同比对——两者样本量差近 85 倍，性能数字不可直接比较；
4. 写作时：凡出现「Chula」，必须紧跟限定语（4 类 / 162 张 或 11 类 / 13,750 张）。

这是本条目最核心的存照：两套同名家族数据集的存在，是绝大多数误引的根源。记住一句话——162 张四分类走 Zenodo，13,750 张十一分类走 ICIP。

---

§6 获取与许可

§6.1 获取路径

步骤	操作	说明
1	打开 Zenodo 记录页 https://zenodo.org/records/10437395	公开页面，无需登录
2	下载 Chula_parasitic_egg_detection.zip	94.0 MB
3	校验 md5	应为 a70ff3626a361f37108d74a75295c08a
4	解压查看结构	确认图像与标注组织方式

获取无申请门槛、无 gated 访问，属公开直下型资源。这是它在 DAIMS「可获取性」维度得分高的直接原因。

§6.2 版本链

版本	日期	标识	状态
v1	2023-12-28	DOI 10.5281/zenodo.10437395	本次核验到的版本
concept DOI	—	10.5281/zenodo.10437394（待核）	Zenodo 概念 DOI 通常比版本 DOI 小 1，未在页面直接确认

使用建议：引用具体版本时用 10.5281/zenodo.10437395；引用数据集本身（跨版本）时理论应用概念 DOI，但本条目对概念 DOI 标注为待核，建议复现核验时在 Zenodo 页面确认后再用。

§6.3 许可（双口径并存照）

这是必须极其谨慎处理的一点。

对象	许可	证据强度
数据集本体	待核（Creative Commons 变体，具体种类未确证）	Zenodo 记录页本次抓取未渲染 license 字段
相关论文 arXiv:2107.00968	CC BY 4.0	arXiv 页面标注，明确
期刊版 SN Comput Sci 5(1):82, 2024	开放获取（Springer OA）	期刊页面标注

关键提醒：论文的 CC BY 4.0 不等于数据集的许可。二者是两件不同的事——论文是「文字作品」，数据集是「数据资产」，各自独立授权。本次抓取未能从 Zenodo 一手页面确证数据集 license，因此本条目：

• 不臆断数据集为 CC BY 4.0；
• 将数据集 license 标注为待核，并说明「以 Zenodo 记录页为准」；
• 同时存照「相关论文为 CC BY 4.0」这一确定事实。

复现核验建议：数据使用前，请直接在 Zenodo 记录页（或经官方 API /api/records/10437395，注意本次沙箱访问该 API 返回 403「unusual traffic」，需换网络出口）确认数据集 license 的准确名称。

§6.4 配套论文获取

• 预印本：arXiv:2107.00968（CC BY 4.0，公开）；
• 期刊正式版：SN Computer Science 5(1):82, 2024，DOI 10.1007/s42979-023-02406-8（Springer 开放获取）；
• 姊妹综述：arXiv:2203.02940（讨论寄生虫虫卵显微数据集整体格局）；
• 挑战赛论文（非本条目本体）：arXiv:2208.06063（DOI 10.1109/ICIP46576.2022.9897267）。

§6.5 使用前的合规检查清单

在把本数据集用于任何项目之前，建议逐项走一遍下述清单，把「未确证」的风险挡在前面：

检查项	是否已确证	处置
数据集 license 的具体种类	否（待核）	到 Zenodo 页面或经 API 确认；未确认前避免商业/再分发场景
是否允许再分发	否	依 license 而定，未确认前不打包二次分发
是否要求署名	待定	依 license 而定，默认保留出处与 DOI
是否允许修改/派生	待定	依 license 而定
标注文件的格式与范围	否	下载解压后确认
样本采集的伦理合规性	否	如需发表衍生工作，向作者/机构确认

原则：对「待核」项，采用谨慎默认——保留完整出处、不隐含再分发权、不隐含商用权，直到 license 明确。

§6.6 引用与署名建议

无论最终 license 如何，引用本数据集时建议同时给出：

1. 数据集标识：Low-Cost Microscopic Images for Parasitic Egg Detection，Zenodo，DOI 10.5281/zenodo.10437395；
2. 方法学论文：arXiv:2107.00968 / SN Computer Science 5(1):82, 2024；
3. 发布机构：Chulalongkorn University; University of Bristol；
4. 访问日期：注明抓取/下载时点，便于版本溯源。

这样即便 license 字段日后澄清，署名链条也已经完整。

---

§7 评估与基准

§7.1 本数据集有无官方排行榜

没有。 这一点必须先讲清楚，以免读者误期待「刷榜」。本数据集是可下载即用型资源集，不是竞赛型数据集：它不配套官方 leaderboard，不设固定训练/测试划分公告，也不提供在线提交评测服务。

这与同为 Chula 家族的 Chula-ParasiteEgg-11 形成鲜明对照——后者是 ICIP 2022 挑战赛数据集，配套公开评测与排行。不要把两者的评测口径混为一谈。

§7.2 论文给出的代表性结论口径

方法学论文（arXiv:2107.00968 / SN Comput Sci 2024）的可复述结论：

1. 迁移学习有效：ImageNet 预训练主干微调，在低成本显微成像上可取得可用的检测/分类性能；
2. 低成本成像是真实挑战：低倍率、低分辨率被显式讨论为影响细粒度虫卵区分的因素；
3. 小样本是约束：162 张的规模决定了方法学必须围绕迁移/少样本展开，而非大规模监督训练。

引用纪律：论文中的具体性能数字（如 mAP、F1）随实验设置而异，本条目不转述未经核对的精确数值，读者应直接查阅论文原文。凡在别处看到「Chula 数据集 mAP = X」的说法，先确认它指的是哪一套 Chula 数据集。

§7.3 建议的评估协议

由于无官方划分，自行评测时应遵守以下纪律：

• 明确划分：报告 train/val/test 划分方式与随机种子；
• 宏平均优先：类别不平衡（67/36/32/27）下用 macro-F1，而非总体准确率；
• 报混淆矩阵：重点关注「易混对」——带属内部、两种膜壳绦虫、两种片形吸虫的混淆方向；
• IoU 阈值声明：检测指标须写明 IoU 阈值（如 0.5）与是否用 mAP@[.5:.95]；
• 小样本交叉验证：162 张小集上单次划分方差大，建议 k 折交叉验证。

§7.4 DAIMS 评估表

DAIMS 是评价数据资产在 AI 就绪（AI-Ready）语境下五项能力的框架。本条目逐项给出评级与依据。

维度	评级	依据	提升建议
Discoverability（可发现性）	高	Zenodo 公开索引 + DOI 持久标识，可被学术搜索引擎与 DataCite 检索	增加领域关键词与关联论文互链
Accessibility（可获取性）	高	公开直下、无申请门槛、无 gated 访问	保持稳定托管，勿迁移至门槛平台
Interoperability（互操作性）	中	标准图像格式（zip 内 JPG/PNG）+ 类别标签；但标注格式（是否 COCO/Pascal VOC）未确认	明确并公开标注文件格式；补充类别映射表
Metadata（元数据）	中偏上	Zenodo 记录提供 DOI/作者/描述/文件清单；但本次抓取页面未渲染 license 字段，元数据完整性有缺口	补全 license 字段；补充采集设备/放大倍率/划分建议等字段
Sustainability（可持续性）	高	Zenodo + CERN 长期托管，DOI 保障持久可引用	版本化更新时保留 concept DOI 指向

一句话总结 DAIMS：可发现、可获取、可长期引用（三项高）；互操作与元数据是短板（各差一档），主要卡在标注格式与 license 字段未确证上。

§7.5 与参照基准的关系

基准	与本数据集关系	可否互比
ICIP 2022 挑战赛排行榜	不同数据集（11 类 / 13,750 张）	不可
通用检测 COCO/ImageNet 预训练	迁移学习起点	不可直接比，仅作主干来源
实验室高清虫卵图库	域外参照	定性比较域差，非数值对标

---

§8 生态与互链

§8.1 数据集在技术生态中的位置

本数据集处在**「低成本显微成像 + 寄生虫病筛查 + 计算机辅助诊断」**三条线的交汇点：

• 与显微图像检测生态共享技术栈（目标检测、细粒度分类、迁移学习）；
• 与被忽视热带病 / 全球健康生态共享应用场景（基层筛查、即时检验）；
• 与公共卫生监测生态共享数据需求（虫卵种类分布与流行病学）。

§8.2 库内互链点

以下为库内可互链条目，附 rid（若已发布）：

库内条目	rid	关联理由
nih-malaria	502	疟疾血涂片显微检测，同属低成本显微 + 寄生虫病筛查
lightmycells2	631	显微细胞成像，同属显微图像分析生态
acevedo-blood	722	血液显微成像，成像域相近
human-cell-atlas	319	细胞成像生态
jump-cell-painting	563	细胞成像（形态学画像）生态
cellxgene	38	单细胞数据生态
single-cell-portal	359	单细胞数据生态
microvqa	815	显微图像视觉问答，与显微 + 问答范式相关
sth-schisto-eggs	待发布	同为「虫卵显微检测」直接同类
ai-tb-zn	待发布	Zn 染色结核显微检测，同为显微检测
deeputi	待发布	尿液显微成像检测

互链纪律：以上 rid 为抓取时点记录值；发布后须由主会话按 DB url_name 反查最终 rid，禁止按位置对齐。凡标「待发布」者，发布后回填。

§8.3 同批派发姊妹条目

本轮（cycle 49）派发的四个条目构成「低成本 / 显微 / 检测」主题簇：

1. chula-parasitic-egg（本条目）——寄生虫虫卵，4 类 / 162 张；
2. sth-schisto-eggs——血吸虫虫卵；
3. ai-tb-zn——Zn 染色结核显微检测；
4. deeputi——尿液显微检测。

四者互为「同批」强关联，建议在发布后建立相互链接。

§8.4 生态位小结

本数据集是「小而精的低成本专家标注集」这一生态位上的代表。它的价值不在于规模，而在于成像条件的真实性与标注的专家性——正是姊妹综述所指的稀缺资源类型。

---

§9 与库内条目的关系

§9.1 关系类型定义

本节声明本条目与库内其他条目的关系类型，避免读者误判。

关系	对象	说明
同域（寄生虫镜检）	nih-malaria、sth-schisto-eggs	同为寄生虫显微检测，任务同构
同域（显微成像检测）	ai-tb-zn、deeputi、acevedo-blood	成像模态相近
同域（细胞/单细胞成像）	lightmycells2、human-cell-atlas、jump-cell-painting、cellxgene、single-cell-portal	显微成像大生态
方法论相关	microvqa	显微 + 视觉问答范式
非同域（易混）	Chula-ParasiteEgg-11	不属库内条目，仅为外部易混数据集

§9.2 与 nih-malaria 的对照

nih-malaria（rid 502）是疟疾血涂片显微检测数据，与本数据集同属「低成本显微 + 寄生虫病筛查」，但病原体层级不同：疟疾为血内原虫（血涂片），本数据集为肠道蠕虫卵（粪涂片）。两者可构成「寄生虫显微检测」的组合引用。

§9.3 与 sth-schisto-eggs 的对照

sth-schisto-eggs 为血吸虫虫卵显微检测，是本条目最直接的同域条目——同为「虫卵显微检测」，任务与技术栈高度重合。二者在库内应建立双向强链接。

§9.4 关系声明纪律

凡在正文中引用互链条目，必须做到：

1. 按 url_name 反查 rid，不用位置对齐；
2. 待发布条目注明「待发布」，发布后回填；
3. 不含糊表述「相关数据集」——须写明关系类型（同域/方法论/易混）。

---

§10 避坑清单

以下八个坑点是使用本数据集时最容易踩的，逐条给出症状与对策。

坑 1：把本数据集与 Chula-ParasiteEgg-11 混为一谈。
症状：引用「Chula 数据集」却不说明是 4 类还是 11 类；用挑战赛榜单成绩评价本集。对策：一切引用加限定语「4 类 / 162 张」，检索用 DOI 而非关键词。

坑 2：臆断数据集 license 为 CC BY 4.0。
症状：因论文是 CC BY 4.0，就默认数据集也是。对策：论文许可 ≠ 数据集许可；数据集 license 标注为待核，以 Zenodo 记录页为准。

坑 3：按总体准确率报数，忽视类别不平衡。
症状：162 张中蛔虫卵占 41.4%，若模型偏向多数类，总体准确率会虚高。对策：优先报 macro-F1 与每类召回，附混淆矩阵。

坑 4：忽略小样本方差。
症状：单次 train/test 划分得 0.9，换个种子掉到 0.7。对策：k 折交叉验证，报告均值与标准差，写明随机种子。

坑 5：假设存在独立 bounding box 标注文件。
症状：直接找 COCO/XML 标注却找不到，或误以为只有类别标签。对策：本次未逐文件核验标注文件组织形式，下载后先确认结构再设计读取管线，以「专家标注、面向检测」表述并存照。

坑 6：混淆概念 DOI 与版本 DOI。
症状：引用时用了待核的概念 DOI 10.5281/zenodo.10437394，导致指向不明。对策：引用具体版本用 10.5281/zenodo.10437395；概念 DOI 使用前须在 Zenodo 页面确认。

坑 7：把低成本成像当作可忽略的画质缺陷。
症状：直接套用高清图像超分/增强后再评估，掩盖真实约束。对策：如实保留 10×/640×480 条件；若做增强，须声明并同时报告原始条件结果。

坑 8：用 Zenodo API 直取元数据却遭遇 403。
症状：脚本访问 /api/records/10437395 返回 403「unusual traffic」。对策：换网络出口或改用记录页 HTML 解析；记录该环境限制以便复现。

---

§11 总结

Low-Cost Microscopic Images for Parasitic Egg Detection（chula-parasitic-egg） 是一份规模虽小但定位清晰的公开显微图像数据集。它的核心价值可以浓缩为四点：

1. 身份明确：Zenodo record 10437395，DOI 10.5281/zenodo.10437395，2023-12-28 首发，朱拉隆功大学 × 布里斯托大学联合发布；
2. 构成精当：162 张、4 类（蛔虫卵 67 / 带属绦虫卵 36 / 姜片吸虫卵 32 / 缩小膜壳绦虫卵 27），10× 低成本显微镜、640×480 像素，专家标注；
3. 用途清晰：面向目标检测 + 四分类，主打迁移学习与资源受限场景部署，回应「低成本、良好标注的虫卵数据集稀缺」这一领域瓶颈；
4. 边界清楚：与 Chula-ParasiteEgg-11（11 类 / 13,750 张）严格区分；数据集 license 待核、不臆断；小样本与不平衡须在评估中显式处理。

DAIMS 速览：可发现性高、可获取性高、可持续性高；互操作性与元数据中等偏上，短板集中在标注格式与 license 字段未确证。

一句话记住它：这是「162 张、四类肠道虫卵、10× 低成本显微、专家标注、Zenodo 公开直下」的可下载即用型资源集——小而真，是它最有价值的地方。

§11.1 适用人群与不适用场景

适用人群/场景	说明
算法研究者	验证迁移学习、少样本、不平衡、域适应方法
教学者	作为寄生虫形态学 + 医学影像入门示例集
基层筛查方案设计者	评估低成本显微 + 算法在真实画质下的可行性
数据工程学习者	学习小规模专家标注集的读取与评测规范

不适用场景	原因
临床诊断	非诊断级数据，无临床验证
训练高精度工业模型	162 张样本量不足
大规模预训练	规模与多样性都不够
直接对标 ICIP 榜	数据集不同，口径不可比

§11.2 后续可做的工作

1. 补充 license 与标注格式：这是目前最大的元数据缺口；
2. 与高清图库做域适应实验：量化低成本 vs 高清的域差；
3. 与 sth-schisto-eggs 联合构建虫卵检测基准：扩大类别覆盖；
4. 复现核验概念 DOI 与版本 DOI 关系：保障引用准确性。

§11.3 结语

一份好的数据集条目，不只告诉读者「有什么」，更要告诉读者「边界在哪」。本条目在介绍 162 张 / 4 类 / 10× 这些硬数字之外，特意把三件事讲清楚：它不是谁（不是 Chula-ParasiteEgg-11）、它的许可待核（不臆断 CC BY 4.0）、它的短板在哪（标注格式与 license 未确证、样本量小）。这三点，恰恰是使用者最需要、也最容易被忽略的信息。

---

FAQ（高频问答 18 问）

A. 身份与来源

A1. 这份数据集的官方名称和 slug 分别是什么？
官方名称为 Low-Cost Microscopic Images for Parasitic Egg Detection；本条目 slug 为 chula-parasitic-egg。slug 中的 chula 来自发布机构朱拉隆功大学（Chulalongkorn University）的惯用简称。

A2. 谁发布的？托管在哪里？
由泰国朱拉隆功大学与英国布里斯托大学联合发布，托管在 Zenodo（record 10437395），持久标识 DOI 10.5281/zenodo.10437395。

A3. 什么时候发布的？
Zenodo 记录显示 2023-12-28 首发，版本 v1。相关的 arXiv 预印本论文更早，为 2021-07。

A4. 名字里的「Chula」是什么意思？会和别的数据集撞名吗？
「Chula」是朱拉隆功大学的惯用简称。确实存在同名家族的另一套数据集 Chula-ParasiteEgg-11（11 类 / 13,750 张），但它不是本条目——本条目是 4 类 / 162 张的那一套。务必区分，详见 §5。

B. 数据构成

B1. 一共多少张图？
162 张。

B2. 分几类？每类多少张？
4 类：蛔虫卵 Ascaris lumbricoides 67 张；带属绦虫卵 Taenia spp. 36 张；布氏姜片吸虫卵 Fasciolopsis buski 32 张；缩小膜壳绦虫卵 Hymenolepis diminuta 27 张。合计 67+27+32+36=162。

B3. 图像是什么规格？
10× 低成本显微镜拍摄，单张 640×480 像素。

B4. 数据和标注怎么组织的？
zip 归档 Chula_parasitic_egg_detection.zip（94.0 MB）内含图像与类别标签；是否含独立 bounding box 标注文件未逐文件核验，下载后应先确认结构。

B5. 数据有类别不平衡吗？
有，属轻度不平衡：最多类（67 张）约是最少类（27 张）的 2.48 倍。评估应用 macro-F1。

C. 任务与用法

C1. 这份数据集能做什么任务？
寄生虫虫卵的目标检测（定位 bounding box）与四分类（判定虫种），可组合成端到端「检测+分类」。

C2. 有官方排行榜吗？
没有。 它是可下载即用型资源集，非竞赛型。有排行榜的是另一套（Chula-ParasiteEgg-11 / ICIP 2022 挑战赛）。

C3. 论文推荐什么方法？
迁移学习——用 ImageNet 预训练主干在 162 张上微调。小样本决定了从零训练不现实。

C4. 任务难在哪？
难在细粒度：部分虫卵形态近似（带属内部、两种膜壳绦虫等），而 10×/640×480 的成像条件进一步压缩了可辨细节。

D. 获取与许可

D1. 怎么下载？要申请吗？
打开 Zenodo 记录页 https://zenodo.org/records/10437395 直接下载，无需申请、无门槛。

D2. 下载后怎么校验？
计算 md5，应为 a70ff3626a361f37108d74a75295c08a。归档文件 94.0 MB，名为 Chula_parasitic_egg_detection.zip。

D3. 数据集是什么许可协议？
待核。 Zenodo 记录页本次抓取未渲染 license 字段，无法一手确证。注意：相关论文是 CC BY 4.0，但论文许可不等于数据集许可，勿臆断。

D4. 有配套论文吗？
有。预印本 arXiv:2107.00968（CC BY 4.0）；期刊正式版 SN Computer Science 5(1):82, 2024，DOI 10.1007/s42979-023-02406-8（开放获取）。

E. 与生态的关系

E1. 库内有哪些相关条目？
同域寄生虫镜检：nih-malaria（502）、sth-schisto-eggs；同域显微检测：ai-tb-zn、deeputi、acevedo-blood（722）；细胞成像生态：lightmycells2（631）等；方法论相关：microvqa（815）。发布后须按 url_name 反查最终 rid。

E2. 它和 Chula-ParasiteEgg-11 到底差在哪？
一套是 4 类 / 162 张 / Zenodo / 2023，另一套是 11 类 / 13,750 张 / ICIP 挑战赛 / 2022。样本量差近 85 倍，评测口径不可互比。

E3. 有临床诊断用途吗？
没有。它是研究/开发用数据集，不能用于临床诊断。任何形态学表述仅为科研与教学参照。

F. 常见误区

F1. 最容易踩的坑是什么？
两条：一是把两套 Chula 数据集混为一谈；二是臆断数据集 license 为 CC BY 4.0。详见 §10 避坑清单。

F2. 162 张够用吗？
对于「验证迁移学习在低成本显微上的可行性」够用；对于训练高精度工业模型则明显不足。它的定位是基准/验证/教学，不是大规模训练语料。

G. 进阶问题

G1. 为什么类别里有「spp.」？
Taenia spp. 中的 spp. 表示「属下属的若干种」。带属绦虫（如猪带绦虫、牛带绦虫）的虫卵在普通明场光镜下形态高度相似，无法可靠细分，因此合并为一个类别。这是形态学上的诚实做法，而非标注疏漏。

G2. 为什么只有 10× 一种倍率？
因为数据集的目标场景是低成本、可用于现场的显微镜，这类设备通常只有有限的物镜组合。固定 10× 与「low-cost」的定位一致，也与教学/筛查的常用倍率吻合。

G3. 图像是彩色的还是灰度的？
数据集采用标准图像格式（zip 内为常规图像文件）。低成本显微 + 低成本相机通常输出彩色图像，但具体是彩色还是灰度需下载后确认。本条目不对未核验的细节作断言。

G4. 可以用它做分割（segmentation）吗？
理论上可尝试，但本数据集以「检测 + 分类」为主要任务口径；是否提供像素级分割标注未确证。若要做分割，需自行从检测框派生弱标注或额外标注。

G5. 类别不平衡到了需要重采样的程度吗？
2.48 倍的比值属于轻度不平衡。通常不需要激进的重采样，但应在损失函数（如类别权重）或评估指标（macro-F1）层面处理。是否重采样应通过实验比较决定。

G6. 小样本场景，数据增强有用吗？
有用，但需谨慎：显微图像的几何增强（翻转、小角度旋转）通常安全；颜色抖动需考虑是否破坏虫卵的形态-色彩线索；过强增强在小样本上可能引入分布偏移。

G7. 能不能和 Chula-ParasiteEgg-11 合并训练？
技术上可行（同域），但必须注意：①两套的类别体系不同（4 vs 11），需建立类别映射；②两套的成像条件可能不同，合并会引入域混合；③合并后评估必须分别报告，不能混算。合并本身是一个研究课题，不是默认操作。

G8. 论文里可能有哪些数字不能直接引用？
任何单次实验的精确指标都无法跨设置直接复用。引用论文结论时应引用其定性结论（迁移学习有效、低成本成像有挑战），而非脱离上下文的数字。

G9. 这个数据集过时了吗？
没有。低成本显微筛查是一个长期需求，162 张专家标注的基准集在方法论验证上仍有价值。但若要在该领域做 SOTA 对比，应同时关注更大规模的相关数据集。

G10. 如果我要发表用它做的研究，需要注意什么？
至少做到：明确数据集版本与 DOI、说明划分与种子、报告 macro-F1 与混淆矩阵、声明 license 状态、不把它混同为 11 类数据集。详见 §10 与附录 AA。

---

事实清单（硬事实 36 条）

1. 数据集官方名称：Low-Cost Microscopic Images for Parasitic Egg Detection。
2. 本条目 slug：chula-parasitic-egg。
3. 主发布平台：Zenodo。
4. Zenodo record id：10437395。
5. 版本 DOI：10.5281/zenodo.10437395。
6. 发布机构一：泰国朱拉隆功大学（Chulalongkorn University）。
7. 发布机构二：英国布里斯托大学（University of Bristol）。
8. 首发日期：2023-12-28（Version v1）。
9. 图像总数：162 张。
10. 类别数：4 类。
11. 类别 1：Ascaris lumbricoides（蛔虫卵）67 张。
12. 类别 2：Taenia spp.（带属绦虫卵）36 张。
13. 类别 3：Fasciolopsis buski（布氏姜片吸虫卵）32 张。
14. 类别 4：Hymenolepis diminuta（缩小膜壳绦虫卵）27 张。
15. 张数自洽校验：67+27+32+36=162。
16. 类别不平衡比：67/27 ≈ 2.48。
17. 放大倍率：10×。
18. 图像分辨率：640×480 像素。
19. 成像设备类型：低成本显微镜 + 低成本相机/手机。
20. 标注方式：领域专家人工标注。
21. 标注面向：目标检测（bounding box）+ 分类。
22. 归档文件名：Chula_parasitic_egg_detection.zip。
23. 归档大小：94.0 MB。
24. 归档 md5：a70ff3626a361f37108d74a75295c08a。
25. 获取方式：Zenodo 公开直下，无申请门槛。
26. 方法学论文预印本：arXiv:2107.00968。
27. 预印本许可：CC BY 4.0。
28. 期刊正式版：SN Computer Science 5(1):82, 2024。
29. 期刊版 DOI：10.1007/s42979-023-02406-8。
30. 姊妹综述：arXiv:2203.02940。
31. 易混数据集：Chula-ParasiteEgg-11（11 类 / 13,750 张）。
32. 易混数据集论文：arXiv:2208.06063 / DOI 10.1109/ICIP46576.2022.9897267。
33. 易混数据集数据 DOI：10.21227/vyh8-4h71。
34. 官方排行榜：无（可下载即用型资源集）。
35. 数据集 license：待核（一手页面未渲染；论文 CC BY 4.0 不等于数据集许可）。
36. 概念 DOI（待核）：10.5281/zenodo.10437394。

---

术语表（28 条）

术语	英文/缩写	释义
寄生虫虫卵	parasitic egg	寄生蠕虫产出的卵，粪便/涂片镜检的主要识别对象
低成本显微镜	low-cost microscope	价格远低于研究级的简化光学显微镜，本数据集为 10×
明场成像	brightfield imaging	最基础的透射光成像方式，对比度低
涂片	smear	将样本涂抹于载玻片制成的显微观察标本
显微图像	microscopic image	显微镜下拍摄的图像，本数据集为 640×480
目标检测	object detection	定位并识别图像中目标的框与类别
边界框	bounding box	圈定目标位置的最小矩形
细粒度分类	fine-grained classification	区分视觉上高度相似类别的分类任务
迁移学习	transfer learning	用大规模数据预训练模型迁移到小数据集微调
预训练主干	backbone	特征提取网络主体，如 CNN
类别不平衡	class imbalance	各类样本数差异明显
宏平均 F1	macro-F1	对每类 F1 取算术平均，不受类别频次主导
混淆矩阵	confusion matrix	展示各类预测与真实标签交叉分布的矩阵
交并比	IoU	预测框与真实框交集/并集之比
平均精度均值	mAP	各类平均精度的均值，检测常用指标
交叉验证	cross-validation	将数据多折轮换作验证以估计泛化
少样本学习	few-shot learning	用极少样本完成学习/适配
域适应	domain adaptation	缓解源域与目标域分布差异
朱拉隆功大学	Chulalongkorn University	泰国曼谷的国立研究型大学，本数据发布机构之一
布里斯托大学	University of Bristol	英国研究型大学，本数据合作机构
蛔虫	Ascaris lumbricoides	土源性肠道线虫，全球常见
带属绦虫	Taenia spp.	猪/牛带绦虫等，光镜下虫卵难细分
布氏姜片吸虫	Fasciolopsis buski	食源性肠道吸虫
缩小膜壳绦虫	Hymenolepis diminuta	鼠类绦虫，偶见人感染
被忽视热带病	NTDs	主要影响低收入地区的被忽视疾病群
即时检验	point-of-care	在采样现场即时完成检测
Zenodo	Zenodo	CERN 运营的开放科研数据仓储，提供 DOI
数据可及性	accessibility	数据是否可公开、无门槛获取

---

附录

附录 A 条目信息速查卡

项	值
slug	chula-parasitic-egg
官方名	Low-Cost Microscopic Images for Parasitic Egg Detection
DOI	10.5281/zenodo.10437395
平台	Zenodo record 10437395
发布方	Chulalongkorn University; University of Bristol
首发	2023-12-28（v1）
规模	162 张 / 4 类
成像	10× / 640×480
归档	Chula_parasitic_egg_detection.zip（94.0 MB）
md5	a70ff3626a361f37108d74a75295c08a
论文	arXiv:2107.00968；SN Comput Sci 5(1):82, 2024
主任务	检测 + 四分类
license	待核（论文 CC BY 4.0）

附录 B DAIMS 评估全表

维度	评级	依据
Discoverability	高	Zenodo 索引 + DOI
Accessibility	高	公开直下无门槛
Interoperability	中	标准图像格式；标注格式未确证
Metadata	中偏上	DOI/作者/描述齐；license 字段未渲染
Sustainability	高	CERN 长期托管 + DOI

附录 C 逐项证据链自证

结论	证据来源
数据集真实存在	Zenodo 记录页 HTML + WebSearch 三源互证
162 张 / 4 类	记录页描述 + 类别张数自洽（67+27+32+36=162）
10× / 640×480	记录页规格描述
论文归属	arXiv:2107.00968 + DBLP 期刊卷期 + WebSearch
非 Chula-ParasiteEgg-11	类别数与张数双重不匹配（11 vs 4；13750 vs 162）

附录 D 数据获取决策树

需要虫卵显微检测数据
├─ 要竞赛型 / 大规模？ → Chula-ParasiteEgg-11（11 类/13750 张，ICIP）
└─ 要低成本 / 小规模 / 专家标注？
   ├─ 肠道虫卵，四分类 → 本数据集（Zenodo 10437395）
   └─ 血吸虫虫卵 → sth-schisto-eggs

附录 E 类别映射表

学名	中文名	张数	代码建议
Ascaris lumbricoides	蛔虫卵	67	AL
Taenia spp.	带属绦虫卵	36	Tn
Fasciolopsis buski	布氏姜片吸虫卵	32	FB
Hymenolepis diminuta	缩小膜壳绦虫卵	27	HD

附录 F 流水线骨架

下载 zip → 校验 md5 → 解压 → 确认标注格式
  → 划分 train/val/test（固定种子）
  → 预训练主干迁移 → 微调 → 评估（macro-F1 + 混淆矩阵 + mAP）

附录 G 算法骨架（伪代码）

# 迁移学习微调骨架（示意）
backbone = load_pretrained("imagenet")
model = Detector(backbone, num_classes=4)
for epoch in range(E):
    for imgs, boxes, labels in train_loader:
        loss = model.loss(imgs, boxes, labels)
        loss.backward(); opt.step()
metrics = evaluate(model, test_loader)  # macro-F1, mAP@0.5, confusion

附录 H 加载骨架（伪代码）

import os, glob
from PIL import Image
classes = ["AL", "Tn", "FB", "HD"]  # 见附录 E
def load(root):
    items = []
    for ci, c in enumerate(classes):
        for p in glob.glob(os.path.join(root, c, "*")):
            items.append((Image.open(p), ci))
    return items

附录 I 统计公式表

指标	公式
准确率	(TP+TN)/(TP+TN+FP+FN)
精确率	TP/(TP+FP)
召回率	TP/(TP+FN)
F1	2PR/(P+R)
macro-F1	(1/C)·Σ F1_i
IoU	area(∩)/area(∪)
mAP	(1/C)·Σ AP_i

附录 J 数据总表

项	值
总数	162
类数	4
最大类	AL 67
最小类	HD 27
不平衡比	2.48

附录 K 类别分布图（文本示意）

AL |█████████████████████████████████ 67
Tn |██████████████████ 36
FB |████████████████ 32
HD |█████████████ 27

附录 L 校正建议

问题	建议
license 未确证	到 Zenodo 页面确认后回填
标注格式未知	下载后先确认，再设计读取
概念 DOI 待核	确认后再用于跨版本引用
rid 未定	发布后按 url_name 反查回填

附录 M 条目关系声明

关系	条目
同域（寄生虫镜检）	nih-malaria, sth-schisto-eggs
同域（显微检测）	ai-tb-zn, deeputi, acevedo-blood
细胞成像生态	lightmycells2, human-cell-atlas, jump-cell-painting, cellxgene, single-cell-portal
方法论	microvqa

附录 N 景观总表

数据集	类数	张数	平台
本数据集	4	162	Zenodo
Chula-ParasiteEgg-11	11	13,750	ICIP/Dataport
nih-malaria	—	—	库内
sth-schisto-eggs	—	—	库内

附录 O 许可细读

对象	许可	强度
数据集本体	待核	一手未确证
arXiv:2107.00968	CC BY 4.0	明确
SN Comput Sci 版	开放获取	明确
Chula-ParasiteEgg-11	见其自身页面	不适用于本集

附录 P 复现核验邮件/询问模板

主题：Inquiry on license and annotation format — Zenodo record 10437395
正文：
 1) 数据集本体采用的 Creative Commons 许可具体种类？
 2) zip 内是否含独立 bounding box 标注文件（格式？）？
 3) 采集样本来源与伦理/知情同意表述？

附录 Q 坑点档案（索引）

坑 1 混同 Chula-ParasiteEgg-11；坑 2 臆断 license；坑 3 忽略不平衡；坑 4 忽略小样本方差；坑 5 假设标注文件存在；坑 6 混淆概念/版本 DOI；坑 7 忽视低成本成像约束；坑 8 Zenodo API 403。详见 §10。

附录 R 检索决策树

关键词 "Chula parasitic egg"
├─ 命中 11 类/13750 → 那是 Chula-ParasiteEgg-11，回退
└─ 命中 4 类/162 或 DOI 10437395 → 本数据集

附录 S 双口径登记表

事项	口径 A	口径 B	处置
license	数据集=待核	论文=CC BY 4.0	并存照，不臆断
作者顺序	Zenodo 列表	论文列表	以 Zenodo 为准，注差异
概念 DOI	待核 10437394	版本 10437395	版本优先

附录 T 维护计划

动作	触发	责任
回填 license	Zenodo 页面确认	主会话
回填 rid	姊妹条目发布	主会话（url_name 反查）
标注格式补充	下载解压后	用户/编辑

附录 U 条件全表

维度	条件
成像	10×，明场，低成本
分辨率	640×480
样本量	162
类数	4
标注	专家，检测+分类

附录 V 模型登记表（建议记录项）

项	说明
主干	记录预训练来源
输入尺寸	记录缩放策略
增强	记录是否使用及种类
划分	记录种子与比例
指标	macro-F1 / mAP / 混淆矩阵

附录 W 引文规范（BibTeX 骨架）

@dataset{chula_parasitic_egg_2023,
  title  = {Low-Cost Microscopic Images for Parasitic Egg Detection},
  year   = {2023},
  doi    = {10.5281/zenodo.10437395},
  note   = {Zenodo, v1, 2023-12-28}
}

@article{suwannaphong2024parasitic,
  title  = {Parasitic Egg Detection and Classification in Low-cost
            Microscopic Images using Transfer Learning},
  journal= {SN Computer Science},
  volume = {5}, number = {1}, pages = {82}, year = {2024},
  doi    = {10.1007/s42979-023-02406-8}
}

附录 X 生产档案

项	值
代理名	agent-d-chulaparas
租约锁	writing/chula-parasitic-egg/.lock（本代理创建）
私有区	.parts_agent-d-chulaparas_1791347597_319249
FACTS	writing/chula-parasitic-egg/FACTS.md
抓取时点	2026-10-07

附录 Y FAIR / AI-Ready 检查单

原则	状态	说明
Findable	✓	DOI + Zenodo 索引
Accessible	✓	公开直下
Interoperable	△	标注格式未确证
Reusable	△	license 待核
AI-Ready	✓	图像 + 标签，可直接训练

附录 Z 缩写速查

缩写	全称
AL	Ascaris lumbricoides
Tn	Taenia spp.
FB	Fasciolopsis buski
HD	Hymenolepis diminuta
DOI	Digital Object Identifier
mAP	mean Average Precision
IoU	Intersection over Union
NTDs	Neglected Tropical Diseases

附录 AA 研究检查清单

• [ ] 已确认引用的是 4 类 / 162 张这套（非 11 类那套）
• [ ] 已确认数据集 license（勿臆断 CC BY 4.0）
• [ ] 已校验 md5
• [ ] 已确认标注文件格式
• [ ] 已固定划分种子
• [ ] 已报告 macro-F1 与混淆矩阵

附录 AB 数据字典（建议字段）

字段	类型	说明
image_id	string	图像唯一标识
file_name	string	文件名
class	enum	类别
boxes	list	目标框（若提供）
magnification	number	10

附录 AC 检索路径示范

目标	路径
找数据集	Zenodo → 搜索 DOI 或「Low-Cost Microscopic Images for Parasitic Egg Detection」
找论文	arXiv:2107.00968；期刊 DOI 10.1007/s42979-023-02406-8
找易混集	ICIP 2022 Challenge；arXiv:2208.06063
找库内同域	url_name: nih-malaria / sth-schisto-eggs / lightmycells2

附录 AD 版本与变更登记表

版本	日期	DOI	变更	备注
v1	2023-12-28	10.5281/zenodo.10437395	首次发布	本次核验版本
concept	—	10.5281/zenodo.10437394（待核）	—	跨版本引用用

附录 AE 图像与标签对应示意

<数据集根>/
├── <类别目录或标签文件>   # 组织形式待下载后确认
│   ├── 图像文件（640×480，10×）
│   └── 类别标签（AL / Tn / FB / HD）
└── 可能的标注文件（是否含 bounding box 待核）

附录 AF 评估报告模板

数据集: Low-Cost Microscopic Images for Parasitic Egg Detection (DOI 10.5281/zenodo.10437395)
划分: train/val/test = __/__/__  种子: ____
主干: ______  输入尺寸: ______  增强: ______
指标:
  macro-F1 = ____
  mAP@0.5  = ____
  各类召回 = AL __ / Tn __ / FB __ / HD __
混淆矩阵: (见附表)
低资源条件: 参数量 __ / 推理时延 __
声明: license 状态 = 待核；非 Chula-ParasiteEgg-11

附录 AG 常见误引与纠正表

常见误引	纠正
「Chula 数据集有 13,750 张」	那是 Chula-ParasiteEgg-11；本集 162 张
「Chula 数据集分 11 类」	那是挑战赛集；本集 4 类
「Chula 数据集是 CC BY 4.0」	论文是 CC BY 4.0；数据集 license 待核
「Chula 数据集是竞赛数据」	竞赛型是 11 类那套；本集无排行榜

附录 AH 一页速记

名称: Low-Cost Microscopic Images for Parasitic Egg Detection
slug: chula-parasitic-egg
DOI : 10.5281/zenodo.10437395 (Zenodo 10437395, 2023-12-28 v1)
规模: 162 张 / 4 类
类:   AL 67 | Tn 36 | FB 32 | HD 27
成像: 10x / 640x480
归档: Chula_parasitic_egg_detection.zip (94.0 MB)
md5 : a70ff3626a361f37108d74a75295c08a
论文: arXiv:2107.00968 ; SN Comput Sci 5(1):82, 2024
任务: 检测 + 四分类（迁移学习）
榜单: 无
许可: 待核（论文 CC BY 4.0）
防混: 非 Chula-ParasiteEgg-11 (11 类/13750 张)

---

尾注

1. 本条目所有硬数字（162、67/36/32/27、10×、640×480、94.0 MB、md5）均出自抓取时点（2026-10-07）核验的 Zenodo 记录页与论文，见 FACTS.md。
2. 数据集本体 license 与标注文件格式为待核项，本条目不作臆断，读者使用前须自行确认。
3. 「Chula-ParasiteEgg-11」为本条目显式区分的易混外部数据集，非库内条目。
4. 互链 rid 为抓取时点记录值，发布后须按 DB url_name 反查校正，禁止按位置对齐。
5. 本条目内容仅供科研、工程与教学参考，不构成任何医学诊断依据。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• clinical-bacteria-zn — 共享标签：医学影像 / 图像分类 / 目标检测 / 公共卫生与流行病学 / 疾病监测
• sth-schisto-eggs — 共享标签：医学影像 / 目标检测 / 公共卫生与流行病学 / 疾病监测
• tcm-tongue — 共享标签：医学影像 / 图像分类 / 目标检测 / 公共卫生与流行病学
• modus — 共享标签：医学影像 / 图像分类 / 目标检测
• kvasir-capsule — 共享标签：医学影像 / 图像分类 / 目标检测
• oral-cavity-opmd — 共享标签：医学影像 / 图像分类 / 目标检测
• tbx11k — 共享标签：医学影像 / 图像分类 / 目标检测
• vindr-pcxr — 共享标签：医学影像 / 图像分类 / 目标检测
• vindr-spinexr — 共享标签：医学影像 / 图像分类 / 目标检测
• dental-opg-xray — 共享标签：医学影像 / 图像分类 / 目标检测

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。