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
该数据集由纪念斯隆-凯特琳癌症中心和莫菲特癌症中心创建，包含来自8名头颈鳞状细胞癌患者的重染色和共注册数字化图像，通过多重免疫荧光（mIF）和多重免疫组织化学（mIHC）两种染色方法获取，用于可重复和准确表征肿瘤免疫微环境，支持风格转移、虚拟染色翻译和虚拟细胞表型分析等任务。
下载信息
注册下载
Tips: 该数据集需要在对应的数据源网站注册通过后，才能进行数据下载，注册有对应要求，或者需要收费。
暂未开放公开下载
Tips: 该数据集属于公开下载，应该可以免费公开下载。
免登录有偿下载
Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务，注意，服务不针对数据相关产权，只是技术服务费。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放千方医数集，医疗数据集部分，是为社区服务的公开医疗数据集搜索引擎，并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求，可以和客服联系，或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。
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。
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 头颈部癌 的高质量、多模态真实临床数据定制解决方案。
