宫颈癌细胞图像数据库：多焦点细胞学数据集（CCCID）

数据集获取

源站：https://doi.org/10.5281/zenodo.18904734

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 231.4 MB。

数据说明

本数据集包含根据Bethesda系统分类为四个诊断类别的宫颈细胞学细胞图像：NILM（无上皮内病变或恶性病变）、LSIL（低度鳞状上皮内病变）、HSIL（高度鳞状上皮内病变）以及SCC/其他（鳞状细胞癌及其他恶性肿瘤）。这些图像取自巴氏染色的宫颈细胞学标本，并使用玻片扫描仪进行数字化处理。每个细胞图像以11层多焦点图像堆栈的形式提供，焦点间隔为1微米。该数据库是作为JST-CREST研究项目“利用3D图像识别AI构建创新型癌症诊断支持系统”的一部分开发的，并由宫颈癌细胞图像数据库项目（CCCID-Project）组织建立。

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。