重叠宫颈细胞学图像分割挑战赛
使用从子宫颈抹片获得的显微图像对重叠细胞进行自动检测和分割可以被认为是对宫颈细胞进行可靠的自动分析的主要障碍之一。子宫颈抹片是一种用于检测癌前和癌变过程的筛选测试，该测试由从子宫颈收集的细胞样本组成，这些细胞被涂抹在载…
基本信息
资源简介
重叠宫颈细胞学图像分割挑战赛
【一句话概览】
本挑战聚焦宫颈细胞学显微图像中重叠细胞的自动检测与分割，这是实现可靠自动化宫颈细胞分析的主要障碍之一。巴氏涂片作为癌前及癌变筛查测试，其灵敏度受采样细胞数量、细胞重叠、细胞质对比度差以及粘液、血液和炎症细胞存在等因素影响。自动载玻片分析技术试图通过自动检测、分割和分类载玻片上的细胞来提升灵敏度与特异性。本次挑战的目标是从重叠的宫颈细胞学图像中提取单个细胞质和细胞核的边界（来源 opendatalab.org.cn）。
【数据集背景】
本数据集源站标题为《Overlapping Cervical Cytology Image Segmentation Challenge》。
【数据内容】
源站原始描述：使用从子宫颈抹片获得的显微图像对重叠细胞进行自动检测和分割可以被认为是对宫颈细胞进行可靠的自动分析的主要障碍之一。子宫颈抹片是一种用于检测癌前和癌变过程的筛选测试，该测试由从子宫颈收集的细胞样本组成，这些细胞被涂抹在载玻片上，并在显微镜下进一步检查 (见左图)。影响巴氏涂片检查敏感性的主要因素是采样的细胞数量，这些细胞之间的重叠，细胞细胞质的对比度差以及粘液，血液和炎症细胞的存在。自动载玻片分析技术试图通过自动检测，分割和分类载玻片上存在的细胞来提高灵敏度和特异性。 在此挑战中，目标是从重叠的宫颈细胞学图像中提取单个细胞质和细胞核的边界。
中文译文（机器翻译，仅供快速理解，请以原文为准）：Automatic detection and segmentation of overlapping cells using microscopic images obtained from Pap smears can be considered one of the main obstacles to reliable automated analysis of cervical cells. The Pap smear is a screening test used to detect precancerous and cancerous processes, which consists of a sample of cells collected from the cervix, smeared on a glass slide, and further examined under a microscope (see left image). The main factors affecting the sensitivity of the Pap test are the number of cells sampled, the overlap between these cells, the poor contrast of the cell cytoplasm, and the presence of mucus, blood, and inflammatory cells. Automated slide analysis techniques attempt to improve sensitivity and specificity by automatically detecting, segmenting, and classifying …
【主题与分类】
主题标签：宫颈细胞学、细胞分割、重叠细胞、显微图像、巴氏涂片、图像分割。
【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://opendatalab.org.cn/OpenDataLab/Overlapping_Cervical_Cytology_etc
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。
需登录公开下载
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。
暂未开放有偿下载
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://opendatalab.org.cn/OpenDataLab/Overlapping_Cervical_Cytology_etc
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 0.28 GB。
数据说明
该数据集针对宫颈癌筛查中的巴氏涂片显微图像，聚焦于重叠宫颈细胞的自动检测与分割任务。数据模态为显微图像，目标是从重叠细胞中提取单个细胞质和细胞核的边界，以克服自动分析的主要障碍，提高筛查的灵敏度和特异性。
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。
