PixCell 训练数据
约2975万个H&E组织病理学图像块，源自66,354张全切片图像，覆盖多癌种，用于病理生成基础模型训练与特征提取。
基本信息
资源简介
PixCell 训练数据
【一句话概览】
本数据集是 Hugging Face 公开的影像数据集，收录 989 个文件、合计 872.24 GB，主题涵盖 histopathology、pathology、digital-pathology、whole-slide-images、pixcell，可用于医学图像分割、检测与分类模型的训练与评测，cc-by-4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《srikarym/PixCell-training-data》。源站首次发布：2026-10-13。
【数据内容】
源站原始描述：PixCell — Training Data The 1024×1024 H&E patches used to train PixCell, a generative foundation model for digital histopathology, from public sources and an in-house Stony Brook University cohort. 29,755,727 patches from 66,354 whole-slide images (~6.1 TB), extracted at 20× magnification. Images are the original JPEG files (quality 70) stored byte-for-byte, not re-encoded. | config | source | slides | patches | |-|-|-:|-:| | tcga_diagnostic | TCGA FFPE diagnostic slides, 32 cancer types…
中文译文（机器翻译，仅供快速理解，请以原文为准）：# PixCell — 训练数据 用于训练 PixCell（一个面向数字组织病理学的生成式基础模型）的 1024×1024 H&E 图像块，来源于公开数据源以及石溪大学（Stony Brook University）的内部队列。来自 66,354 张全切片图像的 29,755,727 个图像块（约 6.1 TB），以 20× 放大倍率提取。图像为原始 JPEG 文件（质量 70），按字节逐一原样存储，未经重新编码。 | config | 来源 | 切片 | 图像块 | |-|-|-:|-:| | tcga_diagnostic | TCGA FFPE 诊断切片，32 种癌症类型 | 11,713 | 9,180,591 | | tcga_fresh_frozen | TCGA 新鲜冷冻组织切片，32 种癌症类型 | 18,192 | 3,680,187 | | cptac | CPTAC（TCIA），11 种癌症类型 | 5,802 | 2,196,291 | | gtex | GTEx 正常组织，40 种组织类型 | 25,266 | 7,870,674 | | ptrc_hgsoc | PTRC-HGSOChttps://www.cancerimagingarchive.net/coll…
【数据结构与技术规格】
文件数 989 个，合计 872.24 GB。
【主题与分类】
主题标签：histopathology、pathology、digital-pathology、whole-slide-images、pixcell、diffusion。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://huggingface.co/datasets/srikarym/PixCell-training-data
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2026-10-15，引用时请注意版本时效。
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("srikarym/PixCell-training-data")
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/srikarym/PixCell-training-data
数据集大小约 6134.80 GB。
仓库文件结构
.gitattributesREADME.md
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。
完整数据卡：huggingface.co/datasets/srikarym/PixCell-training-data
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。
