Grand Challenge：Pipelle 活检中子宫内膜癌检测
评估平台，作为算法参考基准，这些算法能够在 Pipelle 采样的子宫内膜切片的 H&E 染色全切片图像上预测子宫内膜癌，基于我们项目中使用的测试数据集
基本信息
资源简介
Grand Challenge：Pipelle 活检中子宫内膜癌检测
该数据集名为 Grand Challenge: Endometrial Carcinoma Detection in Pipelle biopsies，是一个面向子宫内膜癌检测的算法评估平台，来源于 endo-aid.grand-challenge.org。其核心用途是作为参考基准，评估能够在 Pipelle 采样的子宫内膜切片 H&E 染色全切片图像上预测子宫内膜癌的算法。该平台基于相关项目中使用的测试数据集构建，旨在为相关算法提供统一的比较与验证环境。整体而言，该数据集属于肿瘤领域的其他类资源，聚焦于病理全切片图像分析与子宫内膜癌识别任务，适合作为算法性能评估的基准平台使用。
【数据集背景】
该数据集来源于 endo-aid.grand-challenge.org，是一个 Grand Challenge 平台上的评估项目。其定位是作为算法参考基准，服务于能够在 Pipelle 采样的子宫内膜切片 H&E 染色全切片图像上预测子宫内膜癌的算法。该平台基于相关项目中使用的测试数据集构建，目的在于为子宫内膜癌检测算法提供统一的评估环境。子宫内膜癌是妇科常见恶性肿瘤之一，利用全切片图像进行自动检测具有重要的临床与研究意义，而该数据集正是围绕这一任务构建的评估资源。
【数据内容】
该数据集涉及的数据类型为 Pipelle 采样的子宫内膜切片的 H&E 染色全切片图像。其任务目标是预测子宫内膜癌。数据集基于相关项目中使用的测试数据集，作为算法评估的参考基准。关于具体的图像数量、分辨率、标注格式、类别分布等详细信息，源站未提供。
【采集与来源】
该数据集来源于 endo-aid.grand-challenge.org，属于 Grand Challenge 平台上的评估项目。其数据基础是相关项目中使用的测试数据集，样本类型为 Pipelle 采样的子宫内膜切片，并经过 H&E 染色处理，以全切片图像形式呈现。关于采集机构、采集时间、伦理审批、患者人群等具体信息，源站未提供。
【适用场景】
该数据集适用于评估能够在 Pipelle 采样的子宫内膜切片 H&E 染色全切片图像上预测子宫内膜癌的算法。其作为参考基准，可用于算法性能的比较与验证，尤其适合参与 Grand Challenge 平台相关挑战或需要统一评估标准的场景。关于具体的应用限制、临床部署条件等，源站未提供。
【使用方法】
该数据集作为评估平台使用，用户可基于其测试数据集对算法进行基准测试。关于具体的提交方式、评估指标、参与流程、访问权限等操作细节，源站未提供。
【质量与限制】
该数据集基于相关项目中使用的测试数据集构建，作为评估平台使用。关于数据质量、标注一致性、样本偏差、覆盖范围等具体信息，源站未提供。
【引用与许可】
关于该数据集的引用方式、许可协议、使用条款等信息，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://endo-aid.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
评估平台作为参考基准，用于预测基于我们项目中测试数据集的、经H&E染色的Pipelle采样子宫内膜切片全视野图像上的子宫内膜癌的算法。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
