PCAM

数据集获取（ModelScope）

方式一：MsDataset（Python）

# 前置依赖: pip install modelscope
from modelscope.msdatasets import MsDataset

ds = MsDataset.load("ai4s/PCAM", subset_name="default", split="train")
print(ds)

方式二：CLI（命令行）

pip install modelscope
modelscope download dataset ai4s/PCAM

数据集卡片摘录（源站）

数据集说明

PCam（PatchCamelyon）是一个专为深度学习在医学图像分类领域服务的图像数据集。它旨在作为一个新的基准，用于在合理计算资源下（例如单个GPU）训练模型，以完成一项重要的临床任务——从病理图像中检测转移性癌组织。

1. 基础数据来源与数据分布

PCam 的基础数据来源于 Camelyon16 挑战赛中的乳腺癌淋巴结转移检测数据。研究人员从这些高分辨率的全扫描数字病理切片中，裁剪并处理了总计 327,680张 96x96像素的彩色小图像。这些图像被分为三个部分，并确保了正样本（含有转移性组织）和负样本（不含转移性组织）的比例在每个集合中都保持平衡：
训练集：包含 262,144 张图像。
验证集：包含 32,768 张图像。
测试集：包含 32,768 张图像。

2. 数据集样例

数据集的每个样例都是一个 96x96 像素的彩色 PNG 图像文件。图像是淋巴结病理切片中的小块区域，肉眼上可能包含或不包含微小的癌细胞团。每个图像都配有一个简单的二元标签：0 代表不含转移性组织，1 代表含有转移性组织。
3. 数据集文件内容与结构说明

PCam 数据集的文件结构 HDF5 格式提供，文件结构包含：
camelyonpatch_level_2_split_train.h5 的训练集文件
camelyonpatch_level_2_split_test.h5 的测试集文件
camelyonpatch_level_2_split_valid.h5 的验证集文件
这些 .h5 文件内部通常包含两个核心数据集：
x：一个包含所有图像数据的 NumPy 数组（例如，形状为 (N, 96, 96, 3)，其中 N 为样本数）。
y：一个包含对应标签的 NumPy 数组（例如，形状为 (N, 1)），其中 1 表示转移性组织，0 表示非转移性组织。

下载方法

:modelscope-code[]{type=“sdk”}
:modelscope-code[]

许可

MIT License

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。

源站：modelscope.cn/datasets/ai4s/PCAM