嗜酸性粒细胞性食管炎 E-113_B
包含嗜酸性粒细胞的全切片图像数据集，用于训练AI模型自动检测和计数嗜酸性粒细胞，辅助诊断嗜酸性粒细胞性食管炎。
基本信息
资源简介
嗜酸性粒细胞性食管炎 E-113_B
【一句话概览】
本数据集是 Dataverse 公开的影像数据集，收录 1 个文件、合计 1.59 GB，主题涵盖 imaging、eoe、eosinophilic gastrointestinal disease、healthcare deep learning、gut intelligenceai，可用于医学图像分割、检测与分类模型的训练与评测。
【数据集背景】
本数据集源站标题为《Eosinophilic Esophagitis E-113_B》。源站首次发布：2024-11-12。
【数据内容】
源站原始描述：Eosinophilic esophagitis (EoE) is an inflammatory disease diagnosed by ≥15 intraepithelial eosinophils (Eos) in an esophageal biopsy high-power field. This is a Whole Slide Image (WSI) containing eosinophils that we use to train an AI model to automatically detect and count these cellular structures in a given image to reduce the data annotation burden on clinicians and pathologists
中文译文（机器翻译，仅供快速理解，请以原文为准）：嗜酸性粒细胞性食管炎（EoE）是一种炎症性疾病，其诊断标准为食管活检高倍视野中可见≥15个上皮内嗜酸性粒细胞（Eos）。这是一张含有嗜酸性粒细胞的全切片图像（WSI），我们用它来训练 AI 模型，以在给定图像中自动检测并计数这些细胞结构，从而减轻临床医生和病理学家的数据标注负担。
【数据结构与技术规格】
文件数 1 个，合计 1.59 GB。数据集 DOI：doi:10.18130/V3/RYVJRD。
【主题与分类】
主题标签：imaging、eoe、eosinophilic gastrointestinal disease、healthcare deep learning、gut intelligenceai、Other。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://dataverse.lib.virginia.edu/dataset.xhtml?persistentId=doi:10.18130/V3/RYVJRD
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。
暂未开放公开下载
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://dataverse.lib.virginia.edu/citation?persistentId=doi:10.18130/V3/RYVJRD
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。
