Grand Challenge：ACDC-LungHP 全切片肺组织病理癌症检测与分类数据集
全视野肺组织病理学中的自动癌症检测与分类。主题标签：肿瘤、肺癌、全切片病理图像、癌症检测、癌症分类、病理组织学。本数据集为肿瘤领域公开数据集，主题涵盖肿瘤。
基本信息
资源简介
Grand Challenge：ACDC-LungHP 全切片肺组织病理癌症检测与分类数据集
ACDC-LungHP 是一个面向全视野肺组织病理图像的公开数据集，其英文全称为 Grand Challenge: ACDC-LungHP，来源于 acdc-lunghp.grand-challenge.org。该数据集的源站描述为“Automatic Cancer Detection and Classification in Whole-slide Lung Histopathology”，即全视野肺组织病理学中的自动癌症检测与分类。从主题上看，该数据集属于肿瘤领域，同时在本站分类中归入“肿瘤 / 其他”。其核心主题标签包括肿瘤、肺癌、全切片病理图像、癌症检测、癌症分类以及病理组织学。整体而言，该数据集围绕肺部组织病理切片中的癌症自动识别与分类任务展开，面向的是病理图像分析与医学人工智能研究场景。
【数据集背景】
肺癌是病理学与肿瘤学关注的重要疾病类型之一，而全切片病理图像能够以较高分辨率呈现组织形态信息。随着数字病理和计算病理学的发展，如何利用算法自动检测和分类全视野肺组织病理图像中的癌症区域，成为一个具有研究价值的方向。ACDC-LungHP 正是在这一背景下提出的公开数据集，其名称和源站描述均指向“全视野肺组织病理学中的自动癌症检测与分类”。该数据集的主题涵盖肿瘤，并涉及肺癌、全切片病理图像、癌症检测、癌症分类和病理组织学等方向，适合用于探索病理图像中的肿瘤识别与分类问题。
【数据内容】
该数据集的主题标签包括肿瘤、肺癌、全切片病理图像、癌症检测、癌症分类、病理组织学。由此可知，其数据内容围绕全视野肺组织病理图像展开，任务目标涉及癌症的自动检测与分类。数据集属于肿瘤领域，本站分类为“肿瘤 / 其他”。除上述主题信息外，关于具体图像数量、切片数量、标注类别、分辨率、文件格式、训练集与测试集划分等细节，源站未提供。
【采集与来源】
该数据集来源于 acdc-lunghp.grand-challenge.org，属于 Grand Challenge 平台上的公开数据集。其英文名称为 Grand Challenge: ACDC-LungHP，源站描述为“Automatic Cancer Detection and Classification in Whole-slide Lung Histopathology”。关于具体的采集机构、采集地点、采集时间、病例来源、伦理审批信息以及数据纳入与排除标准等，源站未提供。
【适用场景】
基于其主题标签和源站描述，该数据集适用于全视野肺组织病理图像中的自动癌症检测与分类相关研究，可服务于肺癌病理图像分析、肿瘤区域识别、癌症分类算法开发与评估等场景。其主题涵盖肿瘤、肺癌、全切片病理图像、癌症检测、癌症分类和病理组织学，因此也可用于计算病理学、医学图像分析和人工智能辅助诊断等方向的研究。关于具体任务设置、评价指标、竞赛形式或基准结果，源站未提供。
【使用方法】
该数据集为公开数据集，来源于 acdc-lunghp.grand-challenge.org。关于数据下载方式、访问权限、使用协议、预处理步骤、模型训练与测试流程、提交格式以及评价标准等，源站未提供。
【质量与限制】
该数据集属于肿瘤领域公开数据集，主题涵盖肿瘤，并涉及肺癌、全切片病理图像、癌症检测、癌症分类和病理组织学。关于数据质量、标注一致性、样本多样性、类别平衡性、潜在偏倚、适用范围限制以及临床可用性等具体信息，源站未提供。
【引用与许可】
该数据集英文名称为 Grand Challenge: ACDC-LungHP，来源站为 acdc-lunghp.grand-challenge.org。关于引用格式、论文出处、许可协议、使用条款、商业使用限制以及二次分发规定等，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://acdc-lunghp.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
Automatic Cancer Detection and Classification in Whole-slide Lung Histopathology
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。
