Grand Challenge:PAIP 2019 肝癌分割数据集
PAIP2019:肝癌分割任务1:肝癌分割任务2:存活肿瘤负荷估计。主题标签:肿瘤、肝癌、图像分割、肝脏病理、肿瘤负荷估计

基本信息
资源简介
Grand Challenge:PAIP 2019 肝癌分割数据集
PAIP 2019 是面向肝脏病理图像分析的国际性算法挑战赛数据集,全称为 Grand Challenge: PAIP 2019,在相关分类体系中归属于肿瘤与肝癌方向。该数据集围绕肝癌的自动分割与肿瘤负荷评估展开,包含两个相互关联的任务:任务一为肝癌分割,任务二为存活肿瘤负荷估计。其主题标签涵盖肿瘤、肝癌、图像分割、肝脏病理以及肿瘤负荷估计,整体定位在于推动肝脏病理图像中肿瘤区域的自动识别与量化分析研究。该数据集来源于 paip2019.grand-challenge.org,属于公开的挑战赛数据资源,适合用于肝脏病理图像分割算法与肿瘤负荷估计方法的开发与评测。
【数据集背景】
该数据集以肝脏病理图像为分析对象,聚焦肝癌相关区域的分割与存活肿瘤负荷的量化估计。其英文名称为 Grand Challenge: PAIP 2019,来源站为 paip2019.grand-challenge.org。源站描述明确指出该挑战赛包含两个任务:任务一为肝癌分割(Liver Cancer Segmentation),任务二为存活肿瘤负荷估计(Viable Tumor Burden Estimation)。从分类角度看,该数据集属于肿瘤与肝癌领域,主题标签包括肿瘤、肝癌、图像分割、肝脏病理和肿瘤负荷估计。这些信息表明该数据集的设计目标是将病理图像分析与肝癌临床关注的核心指标相结合,既关注肿瘤区域的定位与分割,也关注存活肿瘤负荷这一量化结果。
【数据内容】
该数据集围绕两个任务组织内容。任务一为肝癌分割,任务二为存活肿瘤负荷估计。源站描述中给出的任务名称分别为 Liver Cancer Segmentation 与 Viable Tumor Burden Estimation。除上述任务划分与主题标签外,关于具体图像数量、标注类别、分辨率、文件格式、样本构成等信息,源站未提供。
【采集与来源】
该数据集的来源站为 paip2019.grand-challenge.org,属于 Grand Challenge 平台上的 PAIP 2019 挑战赛资源。关于数据采集机构、采集地点、采集设备、采集时间、病例来源、伦理审批等具体信息,源站未提供。
【适用场景】
基于其任务设置与主题标签,该数据集适用于肝脏病理图像中的肝癌分割任务,以及存活肿瘤负荷估计任务。其主题标签涵盖肿瘤、肝癌、图像分割、肝脏病理与肿瘤负荷估计,说明其应用方向集中在病理图像分析、肿瘤区域识别与肿瘤负荷量化等相关研究场景。关于具体临床部署场景、适用人群或落地条件,源站未提供。
【使用方法】
该数据集包含任务一肝癌分割与任务二存活肿瘤负荷估计。关于数据下载方式、目录结构、标注格式、评测指标、提交方式、基线模型等具体使用说明,源站未提供。
【质量与限制】
该数据集来源于 paip2019.grand-challenge.org,属于 Grand Challenge 挑战赛资源。关于数据质量评价、标注一致性、样本偏差、覆盖范围、局限性等具体信息,源站未提供。
【引用与许可】
该数据集英文名称为 Grand Challenge: PAIP 2019,来源站为 paip2019.grand-challenge.org。关于引用格式、许可协议、使用条款、商用限制等具体信息,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。
需登录公开下载
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。
暂未开放有偿下载
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
源站:https://paip2019.grand-challenge.org/
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:
数据说明
PAIP2019: Liver Cancer Segmentation Task 1: Liver Cancer Segmentation Task 2: Viable Tumor Burden Estimation
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。




