AI就绪多重染色数据集
包含8例头颈鳞状细胞癌患者的mIF和mIHC重染色共注册病理图像，用于肿瘤免疫微环境表征。
基本信息
资源简介
AI就绪多重染色数据集
【数据内容】
源站原始描述：Deep Learning Inferred Multiplex ImmunoFluorescence for IHC Image Quantification ( [Nature Machine Intelligence''22, CVPR''22, MICCAI''23, Histopathology''23, MICCA
【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://github.com/nadeemlab/DeepLIIF
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
git clone https://github.com/nadeemlab/DeepLIIF.git
curl -L -o repo.zip https://github.com/nadeemlab/DeepLIIF/archive/refs/heads/main.zip
unzip repo.zip
源站 README 摘录（使用方式）
Installing deepliif
DeepLIIF can be pip installed:
$ conda create name deepliif_env python=3.8
$ conda activate deepliif_env
(deepliif_env) $ conda install -c conda-forge openjdk
(deepliif_env) $ pip install deepliif
The package is composed of two parts:
- A library that implements the core functions used to train and test DeepLIIF models.
- A CLI to run common batch operations including training, batch testing and Torchscipt models serialization.
You can list all available commands:
$ deepliif help
Usage: deepliif [OPTIONS] COMMAND [ARGS]...
Commonly used DeepLIIF batch operations
Options:
help Show this message and exit.
Commands:
prepare-testing-data Preparing data for testing
prepare-training-data Preparing data for training
serialize Serialize DeepLIIF models using Torchscript
test Test trained models
test-wsi
train General-purpose training script for multi-task...
trainlaunch A wrapper method that executes deepliif/train.py...
visualize
Note: You might need to install a version of PyTorch that is compatible with your CUDA version.
Otherwise, only the CPU will be used.
Visit the PyTorch website for details.
You can confirm if your installation will run on the GPU by checking if the following returns True:
import torch
torch.cuda.is_available()
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。
