Grand Challenge：DigestPath2019 消化系统病理检测与分割挑战赛
欢迎参加 2019 年消化系统病理检测与分割挑战赛。本次竞赛是 MICCAI 2019 挑战赛的一部分。主题标签：消化系统疾病、结肠癌、病理检测、图像分割、MICCAI 2019
基本信息
资源简介
Grand Challenge：DigestPath2019 消化系统病理检测与分割挑战赛
Grand Challenge: DigestPath2019 是一个面向消化系统病理图像分析的公开挑战赛数据集，其主题聚焦于消化系统疾病中的结肠癌相关病理检测与分割任务。该数据集来源于 digestpath2019.grand-challenge.org，是 MICCAI 2019 挑战赛的组成部分。根据源站描述，该挑战赛的英文全称为 Digestive-System Pathological Detection and Segmentation Challenge 2019，旨在推动消化系统病理图像中目标检测与分割算法的研究与发展。其主题标签涵盖消化系统疾病、结肠癌、病理检测、图像分割以及 MICCAI 2019，表明该数据集在医学图像分析领域具有明确的竞赛与研究定位。
【数据集背景】
该数据集依托于 Grand Challenge 平台发布，属于 MICCAI 2019 挑战赛体系中的一项专题竞赛。MICCAI 是医学图像计算与计算机辅助干预领域的国际会议，其下设挑战赛通常围绕特定临床或技术问题设置任务，以促进算法比较与方法创新。DigestPath2019 的设立背景与消化系统病理学相关，尤其关注结肠癌这一疾病方向。源站描述明确指出，该挑战赛欢迎参与者加入“消化系统病理检测与分割挑战赛 2019”，说明其核心目标在于病理图像中的检测与分割任务。该数据集所属分类为消化系统疾病 / 结肠癌，进一步限定了其临床应用场景。
【数据内容】
该数据集围绕消化系统病理检测与分割任务构建，主题标签中包含“病理检测”与“图像分割”，表明其数据内容涉及病理图像中的目标检测与分割标注。源站未提供具体的数据样本数量、图像分辨率、标注类别、文件格式或数据规模等细节。因此，关于数据内容的具体构成，源站未提供。
【采集与来源】
该数据集来源于 digestpath2019.grand-challenge.org，属于 Grand Challenge 平台上的竞赛项目。源站描述说明该竞赛是 MICCAI 2019 挑战赛的一部分。关于数据采集机构、采集设备、采集地点、患者来源、伦理审批信息以及具体采集流程，源站未提供。
【适用场景】
基于该数据集的主题标签与源站描述，其适用场景包括消化系统病理图像中的检测与分割任务，尤其与结肠癌相关。该数据集可用于开发和评估病理图像分析算法，例如在病理切片中定位感兴趣区域或分割特定结构。由于该数据集是 MICCAI 2019 挑战赛的一部分，其典型使用场景还包括参与挑战赛的算法训练、验证与排名比较。关于具体临床适用场景、目标疾病亚型或算法性能要求，源站未提供。
【使用方法】
该数据集通过 Grand Challenge 平台发布，通常此类挑战赛数据集的使用方式包括注册参赛、下载数据、在本地或云端训练模型，并按照挑战赛规定提交结果进行评估。关于该数据集的具体使用流程、数据划分方式、提交格式、评估指标、基线方法或代码示例，源站未提供。
【质量与限制】
该数据集作为 MICCAI 2019 挑战赛的一部分，通常遵循挑战赛的数据组织与评估规范。然而，关于该数据集的具体质量指标、标注一致性、数据偏差、样本代表性、隐私处理方式或使用限制，源站未提供。
【引用与许可】
该数据集来源于 digestpath2019.grand-challenge.org，属于 Grand Challenge 平台上的竞赛项目。关于该数据集的引用格式、许可协议、使用条款、商业使用限制或版权归属，源站未提供。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://digestpath2019.grand-challenge.org/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
欢迎参加2019年消化系统病理检测与分割挑战赛。本次竞赛是MICCAI 2019挑战赛的一部分。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
