胆囊癌超声数据集
包含正常、良性和恶性胆囊超声图像及标注，用于胆囊癌识别、分类和区域定位研究。由IIT Delhi; PGIMER Chandigarh提供，来自GBC-IITD，包含1255条数据记录。
基本信息
资源简介
胆囊癌超声数据集
【一句话概览】
GBCU 是首个用于超声图像胆囊癌识别的公开数据集，共包含来自 218 名患者的 1255 张标注腹部超声图像，其中正常 432 张、良性 558 张、恶性 265 张。训练集与测试集分别为 1133 张和 122 张，且同一患者的图像只出现在其中一个集合中。图像为灰度 B 模式静态图，包含矢状面和横断面，因裁剪患者相关信息，宽度为 801 至 1556 像素，高度为 564 至 947 像素。数据来自印度北部昌迪加尔 PGIMER 转诊患者，研究获伦理委员会批准并取得知情同意，数据已完全匿名化（来源 gbc-iitd.github.io）。
【数据集背景】
本数据集源站标题为《Gallbladder Cancer Ultrasound (GBCU) Dataset》。
【数据内容】
源站原始描述：GBCU is the first public dataset for Gallbladder Cancer identification from Ultrasound images. GBCU contains a total of 1255 (432 normal, 558 benign, and 265 malignant) annotated abdominal Ultrasound images collected from 218 patients. Of the 218 patients, 71, 100, and 47 were from the normal, benign, and malignant classes, respectively. The sizes of the training and testing sets are 1133 and 122, respectively. To ensure generalization to unseen patients, all images of any particular patient wer…
中文译文（机器翻译，仅供快速理解，请以原文为准）：GBCU是首个用于超声图像中胆囊癌识别的公共数据集。GBCU共包含1255张标注的腹部超声图像（432张正常、558张良性和265张恶性），采集自218名患者。在这218名患者中，正常、良性和恶性类别的患者分别为71名、100名和47名。训练集和测试集的大小分别为1133张和122张。为确保对未见患者的泛化能力，任何特定患者的所有图像要么全部在训练集中，要么全部在测试集中。训练集和测试集中正常、良性和恶性样本的数量分别为401、509、223和31、49、42。由于裁剪了患者相关信息，图像宽度在801至1556像素之间，高度在564至947像素之间。我们从转诊至PGIMER，昌迪加尔（印度北部一家三级转诊医院）接受疑似胆囊病变腹部超声检查的患者中获取了数据样本。该研究获得了PGIMER，昌迪加尔伦理委员会的批准。我们在招募时获得了患者的知情书面同意，并通过完全匿名化数据来保护其隐私。放射科医生使用Logiq S8机器为每位患者记录了灰度B模式静态图像，包括矢状面和横断面。
【主题与分类】
主题标签：Gallbladder Cancer、Ultrasound、Abdominal Ultrasound、Image Classification、Object Detection、B-mode、Grayscale。
【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://gbc-iitd.github.io/data/gbcu
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://gbc-iitd.github.io/data/gbcu
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:
数据说明
包含正常、良性和恶性胆囊超声图像及标注，用于胆囊癌识别、分类和区域定位研究。
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。
