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
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 感染性疾病 的高质量、多模态真实临床数据定制解决方案。
