Intel & MobileODT 宫颈癌筛查数据集精炼子集：人工筛选与 ROI 预处理用于阴道镜图像分类

数据集获取

源站：https://doi.org/10.5281/zenodo.19212543

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 2.02 GB。

数据说明

本数据集是Intel & MobileODT宫颈癌筛查数据集经过人工审核和预处理后的子集，该数据集最初通过Kaggle竞赛发布。原始采集数据经过严格筛选流程，从1,481张图像中筛选出766张高质量阴道镜图像，排除了存在严重反光、遮挡和聚焦不良的样本，同时对以宫颈转化区为中心的兴趣区域（ROI）进行了精确裁剪。该子集保留了宫颈类型分类的原始三分类结构：1型（n=185）、2型（n=408）和3型（n=173）。使用MD5算法进行的加密哈希分析确认各分区之间的重复率为0%，确保了样本的完全独立性。本资源旨在支持相关出版物中所报告结果的可重复性，并为研究社区提供一个干净、临床可靠的自动化宫颈筛查任务基准。

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。