ORCHID 口腔鳞状细胞癌分类数据集

资源简介

ORCHID 口腔鳞状细胞癌分类数据集

ORCHID OSCC Classification Dataset 是一个面向口腔鳞状细胞癌（OSCC）组织病理图像分类的公开数据集，发布于 kaggle.com，由 Nazmul Huda 上传，版本为 v1，发布时间为 2026-01-27。数据集共包含 14,705 张组织病理图像，来自 150 名患者，覆盖 AIIMS、PGIMER、KGMU、SGPGI、CMC 五家医院。数据按训练、验证、测试三个子集组织，并提供患者与医院层面的元数据文件，主题标签为深度学习与图像分类，适用于口腔癌病理图像的自动分类研究。

【数据集背景】

口腔鳞状细胞癌是口腔癌中最常见的病理类型，其组织病理学分级对诊断与治疗决策具有重要意义。该数据集以组织病理图像为对象，构建面向 OSCC 分类的标注数据资源，覆盖正常组织、口腔黏膜下纤维化以及不同分化程度的 OSCC，为深度学习模型在口腔癌病理图像上的训练与评估提供数据基础。数据集在 kaggle.com 发布，归类于肿瘤 / 口腔癌方向。

【数据内容】

数据集共包含 14,705 张组织病理图像，来源于 150 名患者。图像按类别组织为五个文件夹：Normal-TRS-TR 对应正常组织，OSMF-TRS-TR 对应口腔黏膜下纤维化，WD-OSCC-TRS-TR 对应高分化 OSCC，MD-OSCC-TRS-TR 对应中分化 OSCC，PD-OSCC-TRS-TR 对应低分化 OSCC。数据划分为 train、val、test 三个子集，分别由 ORCHID_train.zip、ORCHID_val.zip、ORCHID_test.zip 三个压缩包提供，解压后对应 train/、val/、test/ 目录。此外还提供 metadata.csv，记录所有图像对应的患者与医院元数据，其列包括 image_path（图像相对路径）等字段。文件样例为 PNG 格式图像，例如 ORCHID_test/test/mdoscc/o-3-00-01/ 目录下的 o-3-00-01-009.png、o-3-00-01-013.png、o-3-00-01-023.png、o-3-00-01-025.png、o-3-00-01-042.png 等。本站记录的文件数量为 20 个，合计约 108.07 MB。

【采集与来源】

数据来自五家医院，分别为 AIIMS、PGIMER、KGMU、SGPGI、CMC，共涉及 150 名患者。源站通过 metadata.csv 提供患者与医院层面的元数据，用于追溯每张图像所属的患者与来源医院。数据集的发布者为 Nazmul Huda，发布平台为 kaggle.com。关于图像的采集设备、扫描参数、染色流程与伦理审批等信息，源站未提供。

【适用场景】

该数据集面向组织病理图像分类任务，主题标签为深度学习与图像分类。典型用途包括：训练与评估卷积神经网络或其它深度学习模型，对正常组织、口腔黏膜下纤维化及不同分化程度的 OSCC 进行多类别分类；利用 train/val/test 划分开展模型选择与性能评估；结合 metadata.csv 中的患者与医院信息，研究跨患者、跨医院的数据分布差异对模型泛化能力的影响。由于数据涉及多家医院，也可用于考察多中心数据下的模型稳健性。

【使用方法】

使用时可分别下载 ORCHID_train.zip、ORCHID_val.zip、ORCHID_test.zip 与 metadata.csv，解压后得到 train/、val/、test/ 三个目录及元数据文件。三个目录下均按 Normal-TRS-TR、OSMF-TRS-TR、WD-OSCC-TRS-TR、MD-OSCC-TRS-TR、PD-OSCC-TRS-TR 五类组织图像。图像为 PNG 格式，可按文件路径读取。建议先在小样本上核对目录结构、类别标签与 metadata.csv 中的字段及编码，确认无误后再批量接入训练流程。metadata.csv 中的 image_path 字段给出图像的相对路径，可用于将图像与患者、医院信息关联。

【质量与限制】

数据集提供了明确的类别划分、train/val/test 划分以及患者与医院元数据，便于复现实验与开展多中心研究。但源站未提供图像分辨率、染色批次、标注一致性、类别样本量分布等具体质量指标，也未说明数据划分是否按患者分层以避免同一患者图像跨子集泄漏。本站记录的文件数量为 20 个、合计约 108.07 MB，与源站描述的 14,705 张图像规模不一致，实际可用数据范围需以源站提供的压缩包为准。此外，源站未提供伦理审批与数据脱敏说明。

【引用与许可】

该数据集采用 Attribution 4.0 International（CC BY 4.0）许可，使用时需按要求署名。数据集的发布者为 Nazmul Huda，发布平台为 kaggle.com，版本为 v1，发布时间为 2026-01-27。关于具体的引用格式与推荐参考文献，源站未提供。