骨髓活检组织病理学数据集（Histbmp 或 Histmnist）
每张组织病理学图像代表一次骨髓活检。所选病例的诊断与不同种类的癌症（例如淋巴瘤、白血病）或贫血相关。所有原始图像均使用 HE、40× 拍摄，每张图像尺寸为 336 × 448
基本信息
资源简介
骨髓活检组织病理学数据集（Histbmp 或 Histmnist）
Histopathology Data Of Bone Marrow Biopsies (Histbmp Or Histmnist) 是一个面向组织病理学图像分析的数据集，归类于肿瘤 / 白血病方向，来源站为 doi.org，由作者 Tomczak, Jakub 发布，机构为 Zenodo，发布时间为 2018 年。该数据集基于在线公开的组织病理学图像构建，每张图像代表一次骨髓活检，所选病例的诊断与不同种类的癌症（例如淋巴瘤、白血病）或贫血相关。原始图像均使用 HE、40× 拍摄，单张图像尺寸为 336 × 448。数据经过灰度化并切分为 28 × 28 的小块，最终形成训练、验证和测试三部分，主题标签包括 H&E stained histology data 与 unsupervised learning。
【数据集背景】
该数据集的建设依托于在线可自由获取的组织病理学图像资源，选取了若干骨髓活检病例，用于支持与血液系统肿瘤及贫血相关的图像分析研究。其分类归属为肿瘤 / 白血病，说明其应用背景与白血病等恶性血液疾病的组织病理学识别、分类或表征学习密切相关。数据集于 2018 年发布，作者为 Tomczak, Jakub，发布机构为 Zenodo，采用 Creative Commons Attribution Share-Alike 4.0 许可，主题标签涵盖 H&E stained histology data 和 unsupervised learning，表明其设计初衷包含面向无监督学习场景的组织学图像使用。
【数据内容】
数据集中的每一张组织病理学图像均代表一次骨髓活检。所选病例的诊断与不同种类的癌症（例如淋巴瘤、白血病）或贫血相关。原始图像采用 HE 染色、40× 拍摄，每张图像尺寸为 336 × 448。原始 RGB 表示被转换为灰度表示，随后每张图像被划分为大小为 28 × 28 的小块。最终，数据被划分为训练、验证和测试三部分，其中训练集来自 10 位患者，验证集来自 3 位患者，测试集来自 3 位患者，分别得到 6,800 张训练图像、2,000 张验证图像和 2,000 张测试图像。患者选择方式使得每个数据集在患者层面保持划分。
【采集与来源】
数据来源于在线公开的组织病理学图像，原始图像可自由获取于 http://www.enjoypath.com/。研究共选取了 16 位患者，患者 ID 包括 272、274、283、289、290、291、292、295、297、298、299。每张组织病理学图像对应一次骨髓活检。所有原始图像均使用 HE、40× 拍摄，每张图像尺寸为 336 × 448。源站描述中提及患者 ID 列表时列出了上述编号，但未提供更完整的患者人口学信息、扫描设备型号或染色流程细节。
【适用场景】
该数据集适用于组织病理学图像相关的机器学习与模式识别任务，尤其是与骨髓活检相关的图像分析。其主题标签包括 H&E stained histology data 与 unsupervised learning，说明其可服务于无监督学习场景，例如特征学习、表征提取、聚类或自监督预训练等。同时，由于病例诊断涉及淋巴瘤、白血病或贫血，该数据集也可用于与血液肿瘤及贫血相关的分类、识别或异常检测研究。数据以 28 × 28 灰度小块形式提供，适合作为图像块级别的输入，用于构建和评估深度学习或传统机器学习模型。
【使用方法】
使用时，可将数据集按已划分的训练、验证和测试三部分分别加载。训练集包含 6,800 张图像，验证集包含 2,000 张图像，测试集包含 2,000 张图像。每张图像为 28 × 28 的灰度小块，来源于 336 × 448 的原始 HE、40× 骨髓活检图像。由于划分以患者为单位，训练、验证和测试之间的患者不重叠，有助于评估模型在未见患者上的泛化能力。具体加载方式、文件组织格式、标签映射方式以及是否提供患者 ID 与图像块的对应关系，源站未提供。
【质量与限制】
该数据集基于在线公开图像构建，原始图像为 HE、40×，尺寸为 336 × 448，经灰度化并切分为 28 × 28 小块。数据划分以患者为单位，训练集来自 10 位患者，验证集和测试集各来自 3 位患者，分别得到 6,800、2,000 和 2,000 张图像。源站描述中提及共选取 16 位患者，但列出的患者 ID 为 272、274、283、289、290、291、292、295、297、298、299，未提供完整的 16 位患者编号列表。此外，源站未提供图像采集设备、染色批次、扫描参数、诊断标签的详细分布、图像块级别标注、数据清洗流程以及潜在偏差分析等信息。
【引用与许可】
该数据集由 Tomczak, Jakub 发布，机构为 Zenodo，发布时间为 2018 年，来源站为 doi.org。许可方式为 Creative Commons Attribution Share-Alike 4.0。使用时应遵循该许可要求，注明出处并保持相同方式共享。具体的引用格式、DOI 编号、版本信息以及作者联系方式，源站未提供。
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://doi.org/10.5281/zenodo.1205024
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:
数据集大小约 59.1 MB。
数据说明
数据信息 我们基于网上免费获取的组织病理学图像(http://www.enjoypath.com/)准备了一个数据集。我们选择了16名患者(患者ID：272、274、283、289、290、291、292、295、297、298、299)。每张组织病理学图像代表一次骨髓活检。所选病例的诊断与不同类型的癌症(例如淋巴瘤、白血病)或贫血相关。所有原始图像均使用HE染色，40倍放大，每张图像大小为336×448。数据准备 原始RGB表示被转换为灰度。此外，我们将每张图像分割成大小为28×28的小块。最终，我们选取了10名患者用于训练，3名患者用于验证，3名患者用于测试，这产生了6，800张训练图像、2，000张验证图像和2，000张测试图像。患者的选择方式确保每个数据集包含具有不同诊断和脂肪量的代表性图像。由于这些小图像块类似于机器学习/人工智能领域广泛使用的基准MNIST，该数据集被称为HistMNIST。
首次使用 该数据集用于训练深度生成模型（VAEs）：Tomczak, J. M., & Welling, M. (2016). Improving variational auto-encoders using householder flow. arXiv preprint arXiv:1611.09630 。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
