AneRBC 数据集：基于 RBC 图像的计算机辅助贫血诊断基准数据集
AneRBC 数据集是一个面向计算机辅助贫血诊断的基准数据集，基于红细胞（RBC）显微图像构建，由 Muhammad Shahzad 等作者发布，收录于 Mendeley Data，主题涵盖红细胞、显微医学成像技术与医学图像处理
基本信息
资源简介
AneRBC 数据集：基于 RBC 图像的计算机辅助贫血诊断基准数据集
AneRBC 数据集（AneRBC dataset: a benchmark dataset for computer-aided anemia diagnosis using RBC images）是一个面向计算机辅助贫血诊断的基准数据集，基于红细胞（RBC）显微图像构建。该数据集由 Muhammad Shahzad、Syed Hamad Shirazi、Muhammad Yaqoob、Zakir Khan、Assad Rasheed、Israr Ahmed Sheikh、Asad Hayat、Huiyu Zhou 等作者共同发布，收录于 Mendeley Data，发布时间为 2026 年。其主题涵盖红细胞、显微医学成像技术与医学图像处理，相关成果发表于 Database 期刊 2024 年第 2024 卷，文章编号 baae120，可通过 https://doi.org/10.1093/database/baae120 访问。该数据集旨在为利用红细胞图像开展计算机辅助贫血诊断的研究提供统一的基准资源。
【数据集背景】
贫血是一种常见的血液系统疾病，其诊断往往依赖对红细胞形态的观察与分析。随着医学图像处理和计算机辅助诊断技术的发展，利用红细胞显微图像自动识别与贫血相关的形态学特征成为可能。然而，相关研究需要标准化、可比较的数据资源作为支撑。AneRBC 数据集正是在这一背景下提出的，定位为面向计算机辅助贫血诊断的基准数据集，主题标签包括红细胞（Erythrocyte）、显微医学成像技术（Microscopic Medical Imaging Techniques）以及医学图像处理（Medical Image Processing）。该数据集由 Muhammad Shahzad 等作者发布，收录于 Mendeley Data，发布时间为 2026 年，相关论文发表于 Database 期刊。
【数据内容】
AneRBC 数据集的核心内容是红细胞（RBC）显微图像，用于计算机辅助贫血诊断。数据集名称中的 “AneRBC” 体现了其与贫血（Anemia）和红细胞（RBC）的关联。其主题标签进一步表明，数据涉及红细胞、显微医学成像技术以及医学图像处理等方向。关于数据集的具体样本数量、图像分辨率、标注类别、文件格式、目录结构等详细信息，源站未提供。
【采集与来源】
该数据集收录于 Mendeley Data，由 Muhammad Shahzad、Syed Hamad Shirazi、Muhammad Yaqoob、Zakir Khan、Assad Rasheed、Israr Ahmed Sheikh、Asad Hayat、Huiyu Zhou 等作者发布。相关成果以论文形式发表于 Database 期刊，卷期为 2024 年第 2024 卷，文章编号 baae120，DOI 为 https://doi.org/10.1093/database/baae120。关于图像的具体采集设备、采集地点、采集时间、样本来源人群、伦理审批信息以及数据预处理流程等，源站未提供。
【适用场景】
基于其主题标签与定位，AneRBC 数据集适用于计算机辅助贫血诊断相关的研究，尤其是围绕红细胞显微图像的医学图像处理任务。潜在应用方向包括红细胞图像的自动分析、贫血相关形态学特征的识别与分类，以及作为基准数据集用于不同算法之间的性能比较。由于该数据集被明确称为“基准数据集”，其设计目标之一是为相关研究提供统一的评测基础。关于具体的任务类型（如分类、分割、检测等）以及评价指标，源站未提供。
【使用方法】
AneRBC 数据集通过 DOI 链接 https://doi.org/10.1093/database/baae120 进行引用与访问，并收录于 Mendeley Data。研究者在利用该数据集开展研究时，应遵循学术规范，引用对应的论文与数据集。关于数据的具体下载方式、使用许可条款、数据划分方式（如训练集、验证集、测试集的比例）、配套代码或工具等，源站未提供。
【质量与限制】
该数据集作为面向计算机辅助贫血诊断的基准数据集，其主题涵盖红细胞、显微医学成像技术与医学图像处理，具有一定的领域针对性。然而，关于数据集的质量评估指标、标注一致性、样本多样性、类别平衡性、潜在偏差以及使用限制等具体信息，源站未提供。
【引用与许可】
使用 AneRBC 数据集时，应按照源站给出的引用格式进行引用：Muhammad Shahzad, Syed Hamad Shirazi, Muhammad Yaqoob, Zakir Khan, Assad Rasheed, Israr Ahmed Sheikh, Asad Hayat, Huiyu Zhou, AneRBC dataset: a benchmark dataset for computer-aided anemia diagnosis using RBC images, Database, Volume 2024, 2024, baae120, https://doi.org/10.1093/database/baae120。关于该数据集的具体许可协议与使用条款，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。
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
源站：https://doi.org/10.17632/hms3sjzt7f.3
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
cite as: Muhammad Shahzad, Syed Hamad Shirazi, Muhammad Yaqoob, Zakir Khan, Assad Rasheed, Israr Ahmed Sheikh, Asad Hayat, Huiyu Zhou, AneRBC dataset: a benchmark dataset for computer-aided anemia diagnosis using RBC images, Database, Volume 2024, 2024, baae120, https://doi.org/10.1093/database/baae120
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。
