RIVA：常规巴氏涂片细胞学图像数据集，含多份独立标注

数据集获取

源站：https://doi.org/10.5281/zenodo.17288879

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 1.41 GB。

数据说明

RIVA是一个经过整理的聚焦于传统巴氏涂片细胞学的数据集，旨在支持自动化宫颈癌筛查和诊断决策支持的研究。该数据集共包含从真实细胞学样本中提取的959个迷你图块（图像裁剪）。其中，386个迷你图块由四位专家细胞学家独立标注，其余573个由单一专家标注。总体而言，该数据集包含26,158条专家标注，其中17,716条对应多专家子集，8,442条对应单专家子集。在所有图像中，由全体专家标注的子集内识别出7,507个独特细胞，整体检测到15,949个独特细胞。标注包括与标准细胞学分类相符的病变和细胞学发现，涵盖鳞状细胞癌（SCC）、高级别鳞状上皮内病变（HSIL）、非典型鳞状细胞—不排除HSIL（ASC-H）、低级别鳞状上皮内病变（LSIL）、无明确诊断意义的非典型鳞状细胞（ASC-US）、炎症性改变（INF）、颈管细胞（ENDO）以及未见上皮内病变或恶性细胞（NILM）。

这些详细的标签使得在医学影像领域开展诊断分类、观察者间变异性、病变进展以及监督学习模型开发等研究成为可能。该数据集是“固定宫颈阴道细胞学涂片（PAPs）远程实时诊断系统开发可行性研究（人工智能辅助）”项目的一部分，该项目由Instituto de Efectividad Clínica y Sanitaria（IECS，阿根廷）和Centro de Inteligencia Artificial y Salud para América Latina y el Caribe（CLIAS）资助，并得到International Development Research Centre（IDRC，加拿大）和Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires（UBA）的支持。该项目是一项协作努力，涉及来自

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。