Malhari 宫颈癌图像数据集
从医院环境中收集的真实世界临床数据在医学研究中起着至关重要的作用。该数据集旨在支持宫颈癌筛查与诊断领域的研究与开发。为了开发自动化系统，需要大量的输入数据
基本信息
资源简介
Malhari 宫颈癌图像数据集
Malhari Dataset 是一个面向肿瘤领域、具体聚焦宫颈癌方向的医学影像数据集，由 Madhura Kalbhor 发布，发布机构为 Mendeley，发布时间为 2023 年。该数据集旨在支持宫颈癌筛查与诊断领域的研究与开发，其核心价值在于为自动化宫颈癌诊断系统的算法开发提供数据基础。从医院环境中收集的真实世界临床数据在医学研究中起着至关重要的作用，而开发自动化系统往往需要大量的输入数据，因此该数据集的创建希望在这一需求上作出有价值的贡献。数据集采用 Creative Commons Attribution 4.0 International 许可协议，来源站为 doi.org，在本站分类中归属于肿瘤 / 宫颈癌方向。
【数据集背景】
宫颈癌筛查与诊断是医学研究和临床实践中的重要课题。随着自动化诊断系统的发展，研究者需要大量真实、可靠的输入数据来训练和验证算法。然而，真实世界临床数据的获取往往面临诸多困难，尤其是在需要大规模影像数据的场景下。Malhari Dataset 正是在这一背景下创建，其目标是为宫颈癌筛查与诊断领域的研究与开发提供数据支持，帮助研究者开发面向自动化宫颈癌诊断系统的算法。该数据集关注的是从医院环境中收集的真实世界临床数据，这类数据在医学研究中具有不可替代的作用。
【数据内容】
该数据集属于宫颈癌相关的影像数据，具体内容为宫颈癌图像。其创建目的是为自动化宫颈癌诊断系统的算法开发提供数据。关于数据集的具体规模、图像数量、图像分辨率、标注方式、类别分布等细节，源站未提供。
【采集与来源】
该数据集的数据来源于医院环境，属于真实世界临床数据。来源站为 doi.org，发布机构为 Mendeley，作者为 Madhura Kalbhor，发布时间为 2023 年。关于采集地点、采集时间跨度、采集设备、纳入与排除标准等具体信息，源站未提供。
【适用场景】
该数据集适用于宫颈癌筛查与诊断领域的研究与开发，尤其可用于开发自动化宫颈癌诊断系统相关的算法。其定位是作为大规模输入数据的一部分，支持自动化系统的构建与训练。关于具体的任务类型（如分类、检测、分割等）以及适用的算法框架，源站未提供。
【使用方法】
源站未提供关于数据加载、预处理、划分方式、标注格式或配套工具的具体说明。
【质量与限制】
该数据集强调其数据来自医院环境中的真实世界临床数据，这使其在医学研究中具有实际价值。但关于数据质量评估、标注一致性、样本偏倚、隐私处理、伦理审批等具体信息，源站未提供。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可协议。使用时应遵循该许可协议的要求进行署名。关于具体的引用格式、DOI 编号以及作者联系方式等信息，源站未提供。
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
源站：https://doi.org/10.17632/m5kxdj7m36
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:
数据集大小约 452.0 MB。
数据说明
从医院环境中收集的真实世界临床数据在医学研究中发挥着至关重要的作用。该数据集旨在支持宫颈癌筛查和诊断领域的研究与开发。为了开发自动化系统，需要大量的输入数据。创建这个宫颈癌图像数据集的目的在于为开发宫颈癌自动化诊断系统的算法提供数据集，从而做出有价值的贡献。
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。
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。
![复发性乳突切除术后腔胆脂瘤 - 男性，27岁 - 组织图像 [7130729588545431]](/medical-api/medicalDataset/datasetCover/14521.jpg)
