Grand Challenge：淋巴细胞评估黑客松

与 MICCAI COMPAY 2019 计算病理学研讨会联合举办的淋巴细胞评估黑客松。主题标签：血液与淋巴系统疾病、淋巴瘤、淋巴细胞评估、计算病理学

grand_challenge

2025-07-16 更新

图像分类血液与淋巴系统疾病淋巴瘤淋巴细胞评估计算病理学

Grand Challenge: Lymphocyte Assessment Hackathon

基本信息

模态

图像

任务类型

分类

创建/更新时间

2025-07-16

资源简介

Grand Challenge：淋巴细胞评估黑客松

Grand Challenge: Lymphocyte Assessment Hackathon 是一个围绕淋巴细胞评估主题组织的黑客松活动，其源站为 lysto.grand-challenge.org。该活动与 MICCAI COMPAY 2019 计算病理学研讨会联合举办，属于计算病理学与医学图像分析交叉领域的一次专题性活动。从本站分类来看，该数据集归入血液与淋巴系统疾病下的淋巴瘤方向，主题标签涵盖血液与淋巴系统疾病、淋巴瘤、淋巴细胞评估以及计算病理学。整体而言，该数据集的核心关注点在于淋巴细胞的评估任务，并借助黑客松这一组织形式，汇聚参与者围绕相关计算病理学问题展开探索与实践。

【数据集背景】

该数据集来源于 Grand Challenge 平台，具体页面为 lysto.grand-challenge.org。其英文名称为 Grand Challenge: Lymphocyte Assessment Hackathon。根据源站描述，该活动是 Lymphocyte Assessment Hackathon，并与 MICCAI COMPAY 2019 Workshop on Computational Pathology 联合举办。这意味着该活动在时间与组织上与 MICCAI COMPAY 2019 计算病理学研讨会紧密关联，属于该研讨会框架下的黑客松性质活动。本站将其分类为血液与淋巴系统疾病 / 淋巴瘤，主题标签包括血液与淋巴系统疾病、淋巴瘤、淋巴细胞评估、计算病理学，说明其应用领域集中在血液与淋巴系统疾病的病理图像分析方向。

【数据内容】

源站未提供。

【采集与来源】

该数据集的来源站为 lysto.grand-challenge.org，活动与 MICCAI COMPAY 2019 计算病理学研讨会联合举办。除上述来源信息外，源站未提供关于数据采集方式、采集机构、采集时间、采集设备或采集流程的具体说明。

【适用场景】

结合其主题标签与活动定位，该数据集适用于淋巴细胞评估相关的计算病理学任务，并可服务于血液与淋巴系统疾病、淋巴瘤方向的研究与算法开发。作为与 MICCAI COMPAY 2019 计算病理学研讨会联合举办的黑客松，其适用场景还包括围绕淋巴细胞评估展开的竞赛、协作开发与学术交流。除这些由主题标签和活动性质直接反映的方向外，源站未提供更具体的适用场景说明。

【使用方法】

源站未提供。

【质量与限制】

源站未提供。

【引用与许可】

源站未提供。

原始链接

https://lysto.grand-challenge.org/

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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://lysto.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。

数据说明

Lymphocyte Assessment Hackathon in conjunction with the MICCAI COMPAY 2019 Workshop on Computational Pathology

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