多发性骨髓瘤数据集
该数据集是一个包含经Wright-Giem染色的骨髓穿刺细胞图像（图像模态）的医学数据集，专门用于支持浆细胞的检测与多发性骨髓瘤的诊断，主要应用于深度学习辅助的医学影像分析、计算机辅助诊断系统开发以及血液肿瘤病理学研究，旨在通过标注的细胞图像和预训练模型提升多发性骨髓瘤的识别准确性与临床诊断效率。
基本信息
资源简介
多发性骨髓瘤数据集
【数据集背景】
本数据集源站标题为《LAB-IA-UFBA/myeloma-dataset》。源站首次发布：2024-06-14。
【数据内容】
源站原始描述：# Multiple Myeloma Dataset First and foremost, thanks for your interest in using our dataset with labeled cells design to support the detection of Plasma Cells. This repository contains images of different cells, including Plasma ones, collected from histological slides of bone marrow aspirate stained with Wright-Giem. Moreover, we also shared a Deep Neural Network trained to help diagnose Multiple Myeloma (MM), a plasma cell oncohematology with the highest incidence, which is more frequent in i…
主表 10_fold.csv 含 6 列、样本前 2000 行结构完整。
【数据结构与技术规格】
文件数 3 个，合计 1.57 GB。
【主题与分类】
主题标签：size_categories:1K<n<10K、format:imagefolder、modality:image、modality:text、library:datasets、library:mlcroissant、region:us。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://huggingface.co/datasets/LAB-IA-UFBA/myeloma-dataset
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("LAB-IA-UFBA/myeloma-dataset")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/LAB-IA-UFBA/myeloma-dataset
数据说明
该数据集是一个用于支持浆细胞检测的医学图像数据集，主要包含来自经Wright-Giem染色的骨髓穿刺组织学切片的细胞图像，其中标注了包括浆细胞在内的多种细胞类型。数据集还提供了一个训练好的深度神经网络模型，用于辅助诊断多发性骨髓瘤（MM），这是一种在50岁以上人群中较为常见的浆细胞肿瘤血液病。根据世界卫生组织国际癌症研究机构的数据，2020年多发性骨髓瘤在全球导致约17.6万新发病例和约11.7万死亡病例。该数据集适用于医学影像分析、计算机辅助诊断、深度学习模型训练等研究方向，尤其在血液病理学和肿瘤学领域具有重要应用价值。
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。
