宫颈癌全切片图像 Patch 级 UNI 特征嵌入
该数据集用于探索深度学习在宫颈癌检测中的研究，使用从组织病理学图像中提取的 UNI 特征。主题标签：宫颈癌、肿瘤、全切片图像、WSI、UNI 特征、深度学习、病理图像
基本信息
资源简介
宫颈癌全切片图像 Patch 级 UNI 特征嵌入
Patch-level UNI feature embeddings from cervical cancer whole slide images (WSIs) 是一个面向宫颈癌检测研究的病理图像特征数据集。该数据集基于全切片图像（WSI）提取 UNI 特征，用于探索深度学习在宫颈癌检测中的应用。其英文名称明确指向“patch-level”的 UNI 特征嵌入，说明数据以图像块为单位组织特征表示，而非直接提供原始全切片图像。数据集归属于肿瘤 / 宫颈癌分类，来源站为 doi.org，作者包括 Morris, Scarlett、Myles, Craig、Morrison, David 和 Harris-Birtill, David，机构为 Zenodo，发布时间为 2025 年，采用 Creative Commons Attribution 4.0 International 许可。整体而言，该数据集为宫颈癌病理图像的深度学习研究提供了可复用的特征级资源。
【数据集背景】
宫颈癌是全球范围内常见的妇科恶性肿瘤之一，病理组织学检查在其诊断和筛查中具有核心地位。随着数字病理学和深度学习的发展，利用全切片图像进行自动检测和分类成为研究热点。该数据集正是在这一背景下产生，旨在支持探索深度学习用于宫颈癌检测的研究。源站描述指出，该数据集使用从组织病理学图像中提取的 UNI 特征，服务于宫颈癌检测的深度学习研究。其主题标签涵盖宫颈癌、肿瘤、全切片图像、WSI、UNI 特征、深度学习、病理图像，反映出该资源横跨病理图像分析与人工智能方法两个领域。
【数据内容】
该数据集的核心内容是 patch-level 的 UNI 特征嵌入，这些特征提取自宫颈癌全切片图像。所谓 patch-level，意味着特征以图像块为粒度进行组织，而非以整张切片为单一单位。UNI 特征是一种从组织病理学图像中提取的特征表示，用于后续的深度学习建模。数据集本身并不以原始图像形式呈现，而是以特征嵌入的形式提供，便于研究者直接用于分类、检测等任务。关于特征维度、图像块尺寸、切片数量、样本规模等具体参数，源站未提供。
【采集与来源】
数据集的来源与宫颈癌组织病理学图像相关，其特征提取自全切片图像。源站描述中给出了原始数据集的访问链接：https://zenodo.org/records/10276838，表明该特征数据集建立在已有原始数据资源之上。作者为 Morris, Scarlett、Myles, Craig、Morrison, David 和 Harris-Birtill, David，机构为 Zenodo，发布时间为 2025 年。关于原始切片的扫描设备、染色方法、病例来源、伦理审批信息等，源站未提供。
【适用场景】
该数据集适用于探索深度学习在宫颈癌检测中的研究。具体而言，patch-level 的 UNI 特征嵌入可用于训练和评估分类模型、检测模型或其他机器学习方法，以区分宫颈癌相关病理模式。由于特征提取自组织病理学全切片图像，该资源适合数字病理学与人工智能交叉领域的研究，包括宫颈癌的自动检测、特征表示学习以及模型比较等。主题标签中的全切片图像、WSI、UNI 特征、深度学习、病理图像进一步说明其应用方向集中在病理图像分析与深度学习建模。
【使用方法】
使用者可将该数据集中的 patch-level UNI 特征嵌入作为模型输入，用于宫颈癌检测相关的深度学习任务。由于数据以特征形式提供，研究者无需自行从原始全切片图像中重复提取 UNI 特征，可直接在此基础上构建分类器或检测器。若需了解原始图像的获取方式，可参考源站提供的原始数据集链接。关于具体的文件格式、目录结构、加载方式、标签组织等，源站未提供。
【质量与限制】
该数据集采用 Creative Commons Attribution 4.0 International 许可，允许在署名条件下使用。其限制在于，数据以 patch-level 特征嵌入形式提供，而非原始全切片图像，因此使用者无法直接从中获取原始病理图像信息。此外，关于数据规模、类别平衡、标注质量、特征提取参数、潜在偏差等，源站未提供。使用者应在了解这些未提供信息的前提下，谨慎评估其适用性。
【引用与许可】
使用该数据集时，应遵循 Creative Commons Attribution 4.0 International 许可要求，进行适当署名。作者为 Morris, Scarlett、Myles, Craig、Morrison, David 和 Harris-Birtill, David，机构为 Zenodo，发布时间为 2025 年。数据集英文名称为 Patch-level UNI feature embeddings from cervical cancer whole slide images (WSIs)。源站描述中提供了原始数据集访问链接：https://zenodo.org/records/10276838。关于具体的引用格式、DOI 信息等，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/10.5281/zenodo.15121398
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 13.59 GB。
数据说明
该数据集用于探索宫颈癌检测的深度学习研究，利用组织病理学图像中的UNI特征提取。访问原始数据集：https://zenodo.org/records/10276838
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。
