LUTSeg麻风病溃疡组织分割纵向数据集
LUTSeg是一个包含141张来自39名患者智能手机图像的麻风病溃疡组织分割纵向数据集，提供五种组织类别的像素级标注和多专家金标准子集。
基本信息
资源简介
LUTSeg是由阿卜杜拉国王科技大学、哥伦比亚西蒙玻利瓦尔医院和哥伦比亚罗萨里奥大学联合创建的纵向慢性溃疡组织分割数据集，用于麻风病相关溃疡的细粒度组织分析。数据集包含141张来自39名患者的智能手机拍摄图像，涵盖上皮、腐肉、肉芽、坏死和其他五种组织类别，由五位临床专家进行像素级标注，并包含46张图像的多专家金标准子集用于评估标注一致性。数据采集历时21个月，在常规伤口护理期间由医务人员拍摄。该数据集旨在解决多组织伤口数据集稀缺问题，特别是被忽视的麻风病，为溃疡组织分割提供基准，并支持标注一致性分析和半监督学习方法研究。
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/carlosh93/TiSage.git
curl -L -o repo.zip https://github.com/carlosh93/TiSage/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Installation
Python 3.10 is recommended.
python3.10 -m venv venv
source venv/bin/activate
python -m pip install upgrade pip
python -m pip install -r requirements.txt
The experiments were validated with Python 3.10.19, PyTorch 2.6.0,
torchvision 0.21.0, CUDA 12.4, and Transformers 5.1.0. Install the PyTorch
build appropriate for your CUDA driver before installing the remaining
requirements when using a different CUDA version. Weights & Biases is optional
and can be enabled after installing wandb separately.
Confirm the entrypoint and committed results:
python method/src/tisage/train.py help
python method/eval/verify_reported_results.py
For a minimal end-user check, one command downloads LUTSeg, validates its
layout and patient-level split, loads a sample through TiSage, checks the
training entrypoint and result evidence, and performs a launcher dry run:
python smoke_test.py download
This test does not require a GPU and does not launch training. After the first
download, rerun it without download.
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。
