赣州市立医院腺体数据集（GZMH_GLAND）
GZMH_GLAND 是来自临床环境的乳腺癌病理图像数据集，包含从 31 位乳腺癌患者提取的 1,420 张高倍视野图像（1024×1024 像素），并配有像素级分割掩膜与图像级分类标签
基本信息
资源简介
赣州市立医院腺体数据集（GZMH_GLAND）
Ganzhou Municipal Hospital Gland dataset (GZMH_GLAND)
GZMH_GLAND 是来自临床环境的乳腺癌病理图像数据集，包含从 31 位乳腺癌患者提取的 1,420 张高倍视野图像（1024×1024 像素），并配有像素级分割掩膜与图像级分类标签。该数据集面向腺体分割及良恶性肿瘤分类任务，可用于评估深度学习模型在真实临床场景中的泛化能力，弥补现有数据集规模有限、图像过度清洗等不足（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：定量评估腺体形成是乳腺癌诊断中的关键参数。尽管深度学习方法可以辅助病理学家，但专门针对乳腺癌病理图像的数据集仍然稀缺。现有数据集通常来自学术竞赛，存在规模受限和图像过度清洗等局限，与真实临床场景存在差异。我们提出赣州市立医院腺体数据集（GZMH_GLAND），这是一个来自临床环境的乳腺癌病理图像集合，旨在用于腺体分割以及良性与恶性肿瘤的分类。该数据集包含从 31 位乳腺癌患者提取的 1,420 张高倍视野图像（1024×1024 像素），并附有像素级分割掩膜和图像级分类标签。为评估临床泛化
【主题与分类】
主题标签：Clinical medicine、Computer science and technology、breast cancer、pathological images、gland segmentation、benign and malignant classification。本站分类：肿瘤/乳腺癌。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=07b63103869f47c1ab05b270ea5a302c
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.57760/sciencedb.37165
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。
- OpenDataLab:
数据说明
腺体形成的定量评估是乳腺癌诊断中的关键参数。尽管深度学习方法可以辅助病理学家，但专门针对乳腺癌病理图像的数据集仍然稀缺。现有数据集通常来源于学术竞赛，存在规模受限和图像过度清洗等局限性，与真实临床场景存在差异。我们提出了赣州市立医院腺体数据集（GZMH_GLAND），这是一个来源于临床环境的乳腺癌病理图像集合，旨在用于腺体分割及良恶性肿瘤分类。该数据集包含从31名乳腺癌患者中提取的1，420张高倍视野图像（1024×1024像素），并配有像素级分割掩码和图像级分类标签。为评估临床泛化能力并防止数据泄漏，采用了患者级数据划分策略。使用经典分割与分类网络进行的基准测试表明，该数据集保留了乳腺腺体的形态多样性和临床组织伪影。
该数据集为开发和验证自动化乳腺癌诊断模型提供了资源。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
