通过AI实现更好的白血病诊断（BELUGA）

数据集获取

源站：https://clinicaltrials.gov/study/NCT04466059

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。

数据说明

疾病：血液系统恶性肿瘤、白血病、微小残留病、淋巴瘤、血癌。在近期大量研究中，深度神经网络（DNN）已被用于检验基于人工智能（AI）的DNN在诊断中的实用性。实质上，这些研究已成功证明，DNN能够重现目前由人类完成的最先进诊断。具体而言，人工智能在模式识别中的应用表明，DNN能够以对特定致病状态或疾病的高度保真性，对复杂且复合的数据点（主要是图像）进行分类。这些研究大多主要基于事先已分类的大量训练样本集。随后，这种“训练”为将新送检标本归入正确亚组提供了必要输入，且常常甚至优于独立的人类研究者。迄今为止，这些研究因此为DNN在真实世界诊断中的应用提供了依据。

然而，在现实环境中使用DNN的前提是进行盲法前瞻性试验，因为在这种情况下，样本采样和分析需要在前瞻性上超越人类诊断。目前，缺乏前瞻性数据，因此DNN能够超越最先进的基于人类的诊断算法这一观点仍面临挑战。在此，我们希望在前瞻性现实环境中研究基于AI的诊断能力的有效性和实用性。血液学诊断高度依赖多种方法学上不同的方法，其中对受影响患者的异常血液或骨髓细胞进行表型分析是后续所有方法（如染色体或分子遗传分析）的基石。在MLL，需要五个不同的诊断支柱来忠实提供特定恶性血液病的诊断证据：首先是细胞形态学和免疫表型分析，指导更具体的方法，如细胞遗传学、FISH以及多种分子遗传学检测。+++ 目标 +++ 表型分析

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。