BiCervi：用于巴氏涂片分类的宫颈细胞学图像数据集
图像以 ZIP 文件形式提供，用于支持宫颈异常检测及相关计算病理学任务的机器学习模型研究与开发。该数据集可用于训练和评估图像分类模型，服务于宫颈癌筛查等医学影像与计算机视觉应用（来源 Zenodo，cc-by-4.0 许可）
基本信息
资源简介
BiCervi：用于巴氏涂片分类的宫颈细胞学图像数据集
BiCervi: Cervical Cytology Image Dataset for Pap Smear Classification
BiCervi 是一个宫颈细胞学（Pap 涂片）显微图像数据集，共包含 3,000 张图像，按 Bethesda 系统（BTS）标注为八个诊断类别：ASC-US、ASC-H、AGC、HSIL、LSIL、NILM、鳞状细胞癌和腺癌。图像以 ZIP 文件形式提供，用于支持宫颈异常检测及相关计算病理学任务的机器学习模型研究与开发。该数据集可用于训练和评估图像分类模型，服务于宫颈癌筛查等医学影像与计算机视觉应用（来源 Zenodo，cc-by-4.0 许可）。
【数据集背景】
源站首次发布：2026-01-30。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集提供经过整理的宫颈细胞学（Pap 涂片）显微图像，旨在支持用于宫颈异常检测及相关计算病理学任务的机器学习模型的研究与开发。本次发布包含按诊断类别标注的显微图像，该诊断类别采用 Bethesda 系统（BTS）报告宫颈细胞学，涵盖八个类别：意义不明的非典型鳞状细胞（ASC-US）、不能排除高度病变的非典型鳞状细胞（ASC-H）、非典型腺细胞（AGC）、高度鳞状上皮内病变（HSIL）、低度鳞状上皮内病变（LSIL）、未见上皮内病变或恶性病变（NILM）、鳞状细胞癌和腺癌。该数据集共包含 3,000 张图像。所有图像均以 ZIP 文件提供：'ASC-US.zip' 包含 518 张图像，'
【数据结构与技术规格】
文件数 9 个，合计 3.20 GB。数据集 DOI：10.5281/zenodo.18427609。
【主题与分类】
主题标签：cervical cytology、Pap smear、Bethesda system、microscopy images、medical imaging、cervical cancer screening、machine learning、computer vision。本站分类：肿瘤/宫颈癌。
【获取与许可】
源站页面：https://zenodo.org/records/18427609
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2026-07-13，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（Zenodo 公开直链）
curl -L -o "README.pdf" "https://zenodo.org/api/records/18427609/files/README.pdf/content"
curl -L -o "AGC.zip" "https://zenodo.org/api/records/18427609/files/AGC.zip/content"
curl -L -o "ASC-H.zip" "https://zenodo.org/api/records/18427609/files/ASC-H.zip/content"
curl -L -o "A.zip" "https://zenodo.org/api/records/18427609/files/A.zip/content"
curl -L -o "SC.zip" "https://zenodo.org/api/records/18427609/files/SC.zip/content"
curl -L -o "NILM.zip" "https://zenodo.org/api/records/18427609/files/NILM.zip/content"
curl -L -o "LSIL.zip" "https://zenodo.org/api/records/18427609/files/LSIL.zip/content"
curl -L -o "HSIL.zip" "https://zenodo.org/api/records/18427609/files/HSIL.zip/content"
文件清单
README.pdf（0.1 MB）AGC.zip（85.2 MB）ASC-H.zip（190.4 MB）A.zip（4.2 MB）SC.zip（11.0 MB）NILM.zip（1507.9 MB）LSIL.zip（322.9 MB）HSIL.zip（440.3 MB）ASC-US.zip（486.0 MB）
数据集大小约 3.20 GB。
数据说明
This dataset provides curated cervical cytology (Pap-smear) microscopy images intended to support research and development of machine learning models for cervical abnormality detection and related computational pathology tasks. The release includes microscopy images labeled in a diagnostic category defined using The Bethesda System (BTS) for reporting cervical cytology, covering eight classes: Atypical Squamous Cells of Undetermined Significance (ASC-US), Atypical Squamous Cells Cannot Exclude High Grade Lesions (ASC-H), Atypical Glandular Cells (AGC), High-grade Squamous Intraepithelial Lesion (HSIL), Low-grade Squamous Intraepithelial Lesion (LSIL), Negative for Intraepithelial Lesion or Malignancy (NILM), Squamous Cell Carcinoma, and Adenocarcinoma. The dataset comprises a total of 3,000 images. All images are provided in ZIP files: ‘ASC-US.zip’ contains 518 images, ‘ASC-H.zip’ contains 183 images, ‘AGC.zip’ contains 116 images, ‘HSIL.zip’ contains 397 images, ‘LSIL.zip’ contains 319 images, ‘NILM.zip’ contains 1,447 images, ‘SC.zip’ contains 11 images, and ‘A.zip’ contains 9 images.
许可
cc-by-4.0
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。
