幽门螺杆菌检测数据集
用于检测胃组织全切片图像中幽门螺杆菌的医学影像数据集，包含245个全切片图像及专家标注。
基本信息
资源简介
幽门螺杆菌检测数据集
【数据集背景】
本数据集源站标题为《IAM-CVC/HelicoBacterDetection》。源站首次发布：2024-10-03。
【数据内容】
源站原始描述：Detection of HPylori in immunohistochemically stained histological images using Autoencoders # HelicoBacterDetection Detection of HPylori in immunohistochemically stained histological images using Autoencoders. We propose to use autoencoders to learn the latent patterns of healthy patches and, under the assumption that such autoencoder will poorly reconstruct the red channel associated to H. pylori staining, we formulate a specific measure of this reconstruction error in HSV space. ROC analysis…
【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://github.com/IAM-CVC/HelicoBacterDetection
使用许可：GPL-3.0。
【使用注意】
· 源站最后修改于 2024-10-14，引用时请注意版本时效。
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。
免登录有偿下载
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
git clone https://github.com/IAM-CVC/HelicoBacterDetection.git
curl -L -o repo.zip https://github.com/IAM-CVC/HelicoBacterDetection/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
HelicoBacterDetection
Detection of HPylori in immunohistochemically stained histological images using Autoencoders.
We propose to use autoencoders to learn the latent patterns of healthy
patches and, under the assumption that such autoencoder will poorly reconstruct
the red channel associated to H. pylori staining, we formulate a specific measure
of this reconstruction error in HSV space. ROC analysis is used to set the optimal
threshold on this measure, as well as, the percentage of positive patches in a
sample that determines the presence of H. pylori.
We provide Python code and a sample of the database. The full dataset with annotations (around 19 GB) will be able to be downloaded soon here
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。
