白血病癌症检测数据集
该数据集由 VRJBro/leukemia_cancer_dataset 提供，来源于 huggingface.co，包含 804 个医学图像文件，均为血液样本图像，按不同白血病类型与健康对照进行分类
基本信息
资源简介
白血病癌症检测数据集
VRJBro/leukemia_cancer_dataset 是一个面向白血病检测的医学图像数据集，来源于 huggingface.co，在站内归入肿瘤 / 白血病分类。该数据集汇集了经过整理的血液样本医学图像，按不同白血病类型与健康对照进行划分，旨在服务于白血病早期检测与分类相关的机器学习及深度学习模型的训练与评估。数据集共包含 804 个文件，文件样例包括 C-NMC_test_final_phase_data/1.bmp、C-NMC_test_final_phase_data/10.bmp、C-NMC_test_final_phase_data/100.bmp 等，整体规模为 533.96 MB，发布时间为 2024-08-14。其主题标签涵盖图像模态、imagefolder 格式以及 datasets、mlcroissant 等库相关标识，适合作为白血病图像分类研究的基础数据资源。
【数据集背景】
白血病是一类起源于造血系统的恶性肿瘤，其早期识别与分型对临床诊疗具有重要意义。随着医学图像分析与深度学习技术的发展，利用血液样本图像进行自动检测和分类成为研究热点。该数据集正是在这一背景下构建，专注于白血病癌症检测任务，提供经过整理的医学图像集合，以支持相关算法在早期检测与分类方向上的开发与验证。数据集在站内被归入肿瘤 / 白血病类别，主题标签中包含 modality:image 与 format:imagefolder，表明其以图像数据为核心组织形式。
【数据内容】
该数据集包含 804 个文件，文件样例为 C-NMC_test_final_phase_data/1.bmp、C-NMC_test_final_phase_data/10.bmp、C-NMC_test_final_phase_data/100.bmp、C-NMC_test_final_phase_data/1000.bmp、C-NMC_test_final_phase_data/1001.bmp、C-NMC_test_final_phase_data/1002.bmp、C-NMC_test_final_phase_data/1003.bmp、C-NMC_test_final_phase_data/1004.bmp 等。从样例可见，数据以目录加文件名的形式组织，文件扩展名以 .bmp 为主。源站描述指出，数据集包含高质量的血液样本图像，并按照不同白血病类型与健康对照进行分类。文件格式方面，涉及 BMP 与 DS_STORE。整体数据量为 533.96 MB。主题标签中的 size_categories:n<1K 表明文件数量少于一千。
【采集与来源】
该数据集来源于 huggingface.co，由 VRJBro/leukemia_cancer_dataset 提供。源站描述说明其为一个经过整理的医学图像集合，专门用于白血病癌症检测，包含血液样本的高质量图像。发布时间为 2024-08-14。关于图像的具体采集设备、采集机构、采集时间、伦理审批信息以及原始数据出处，源站未提供。
【适用场景】
根据源站描述，该数据集 intended for use in training and evaluating machine learning and deep learning models focused on the early detection and classification of leukemia，即适用于白血病早期检测与分类相关的机器学习与深度学习模型的训练和评估。结合其图像模态与按白血病类型及健康对照分类的组织方式，可用于图像分类、特征学习等任务的实验。主题标签中涉及 datasets 与 mlcroissant 等库，提示其可在相应的数据加载与元数据框架下使用。具体到临床诊断应用，源站未提供相关验证信息。
【使用方法】
使用该数据集时，可先下载全部 804 个数据文件，例如 C-NMC_test_final_phase_data/1.bmp、C-NMC_test_final_phase_data/10.bmp、C-NMC_test_final_phase_data/100.bmp、C-NMC_test_final_phase_data/1000.bmp 等，合计 533.96 MB。随后按文件格式读取，涉及 BMP 与 DS_STORE 两类。建议先在小样本上核对字段与编码，确认无误后再批量接入，以避免因格式或路径问题导致批量处理出错。数据集以 imagefolder 格式组织，便于按目录结构加载图像。关于具体的标签映射规则、训练测试划分比例以及预处理建议，源站未提供。
【质量与限制】
源站描述强调数据集包含高质量的血液样本图像，并经过整理与分类。文件数量为 804 个，规模相对有限，主题标签显示其文件数量少于一千。数据格式以 BMP 为主，同时存在 DS_STORE 文件，后者通常为系统生成的辅助文件，并非图像数据本身。关于图像分辨率、标注准确性、类别平衡性、患者层面信息以及是否存在数据泄漏等质量细节，源站未提供。此外，该数据集是否经过临床验证、能否直接用于诊断目的，源站未提供。
【引用与许可】
关于该数据集的引用方式、作者信息、许可协议及使用限制，源站未提供。使用者如需引用或用于公开发布，应自行查阅来源站 huggingface.co 上对应数据集页面的最新说明。
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
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("VRJBro/leukemia_cancer_dataset")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/VRJBro/leukemia_cancer_dataset
数据集大小约 624.2 MB。
仓库文件结构
.gitattributesREADME.md
数据集卡片摘录（源站说明）
Leukemia Cancer Detection Dataset
Dataset Summary
This dataset contains a curated collection of medical images specifically designed for leukemia cancer detection.
It includes high-quality images of blood samples, categorized into different types of leukemia and healthy controls. The dataset is intended for use in training and evaluating machine learning and deep learning models focused on the early detection and classification of leukemia.
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。
完整数据卡：huggingface.co/datasets/VRJBro/leukemia_cancer_dataset
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。
