STRAMPN卵巢癌预测组织病理图像数据集
卵巢癌是全球女性面临的重大健康问题之一。卵巢肿瘤的可能病因多种多样。在早期阶段检测和追踪这些癌症十分困难，这增加了治疗的难度
基本信息
资源简介
STRAMPN卵巢癌预测组织病理图像数据集
STRAMPN-Histopathological Images for Ovarian Cancer Prediction 是一个面向卵巢癌预测任务的病理组织学图像数据集，来源于 ieee-dataport.org，在本站归入肿瘤 / 其他分类。卵巢癌是全球女性面临的重大健康问题之一，卵巢肿瘤的可能病因多种多样，早期阶段的检测和追踪十分困难，这进一步增加了治疗的难度；多数情况下，患者往往在癌症已经扩散后才被发现患病。随着人工智能技术的进步，检测有望在更早的阶段完成，而该数据集正是为支持这一方向而发布，期望帮助妇科医生尽早对这些肿瘤进行诊治。该数据集以病理组织学图像为核心内容，服务于卵巢癌的预测与辅助诊断研究，适合作为人工智能方法在妇科肿瘤早期检测领域应用的数据基础。
【数据集背景】
卵巢癌是全世界女性共同面临的重大健康问题之一。卵巢肿瘤的可能病因多种多样，给诊断和防治带来复杂性。在早期阶段检测和追踪这类癌症十分困难，这直接增加了治疗的难度。多数病例在确诊时癌症已经发生扩散，错过了更早干预的时机。与此同时，人工智能技术的不断进步为更早期的检测提供了可能。发布该数据集的目的，正是为相关研究提供数据支撑，使妇科医生能够尽可能早地对这些肿瘤开展治疗。
【数据内容】
该数据集为病理组织学图像数据，面向卵巢癌预测任务构建。数据以图像形式呈现组织病理学信息，用于支持卵巢癌相关的预测建模。除图像这一核心内容外，源站未提供关于图像数量、分辨率、染色方式、标注类别与标注格式等更细化的说明。
【采集与来源】
该数据集发布在 ieee-dataport.org 平台，数据集英文名称为 STRAMPN-Histopathological Images for Ovarian Cancer Prediction。关于图像的具体采集机构、采集时间、样本来源人群以及采集与处理流程，源站未提供。
【适用场景】
结合其内容与发布目的，该数据集适用于卵巢癌预测相关的研究，尤其是借助人工智能技术开展病理组织学图像的早期检测探索，可辅助妇科医生尽早识别和处置卵巢肿瘤。关于具体的适用任务类型、模型评测方式以及临床落地条件，源站未提供。
【使用方法】
源站未提供关于数据加载方式、目录结构、标注读取、训练与测试划分以及推荐评估指标等使用层面的说明。
【质量与限制】
源站未提供关于数据质量评估、样本规模、类别平衡性、标注一致性以及已知局限性的说明。需要说明的是，早期检测本身十分困难，且多数病例在扩散后才被发现，这一现实背景提示相关数据在早期病例表征上可能面临挑战，但具体的数据层面限制源站未提供。
【引用与许可】
源站未提供关于引用格式、许可协议以及使用条款的说明。
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://ieee-dataport.org/documents/strampn-histopathological-images-ovarian-cancer-prediction
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:
数据集大小约 39.3 MB。
数据说明
Samridhi Singh (2023). STRAMPN-Histopathological Images for Ovarian Cancer Prediction [Dataset]. https://ieee-dataport.org/documents/strampn-histopathological-images-ovarian-cancer-prediction
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。
