BOOMLab 食管样本数据集
BOOMLab 食管样本数据集由亚利桑那大学研究数据仓库发布，包含健康、癌变及化生性食管癌样本的多模态成像数据，采集方式涵盖偏振光成像、光学相干断层扫描、自体荧光成像和高光谱成像系统
基本信息
资源简介
BOOMLab 食管样本数据集
BOOMLab Esophageal Sample Data
BOOMLab 食管样本数据集由亚利桑那大学研究数据仓库发布，包含健康、癌变及化生性食管癌样本的多模态成像数据，采集方式涵盖偏振光成像、光学相干断层扫描、自体荧光成像和高光谱成像系统。该数据集与论文《Multimodal esophageal cancer imaging: establishing data processing techniques and assessing diagnostic sensitivity》配套，可用于食管癌诊断相关的图像处理与分类研究，帮助评估不同成像模态的诊断灵敏度（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2025。
【数据内容】
源站描述（机器翻译，仅供参考）：本数据集收集了健康、癌变及化生性食管癌样本，使用偏振光成像、光学相干断层扫描、自体荧光成像和高光谱成像系统进行成像，与论文《Multimodal esophageal cancer imaging: establishing data processing techniques and assessing diagnostic sensitivity》相关联。如需咨询数据集内容，请联系 README.txt 文件中列出的通讯作者。行政咨询（如删除请求、下载问题等）可发送至 data-management@arizona.edu。
【主题与分类】
主题标签：Cancer diagnosis。本站分类：肿瘤。
【获取与许可】
源站页面：https://arizona.figshare.com/articles/dataset/BOOMLab_Esophageal_Sample_Data/28207508/1
使用许可：Creative Commons Attribution 4.0 International。
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
源站：https://doi.org/10.25422/azu.data.28207508.v1
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
收集了健康、癌性和化生性食管癌样本的数据集，这些样本通过偏振光成像、光学相干断层扫描、自发荧光成像和高光谱成像系统成像，与出版物《多模态食管癌成像：建立数据处理技术和评估诊断敏感性》相关联。有关此数据集内容的查询，请联系README.txt文件中列出的通讯作者。行政查询（例如，移除请求、下载问题等）可发送至data-management@arizona.edu。
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。
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。
