基于深度学习的前列腺癌组织微阵列自动Gleason分级复现数据

该数据集包含来自五个前列腺癌组织微阵列(TMA)的H&E染色图像及对应的Gleason标注掩膜,掩膜中像素索引对应良性、Gleason 3、Gleason 4、Gleason 5及未标注类别

dataone
浏览 7
图像图像分割Medicine, Health and Life SciencesComputer and Information Science
Replication Data for: Automated Gleason grading of prostate cancer tissue microarrays via deep learning.

基本信息

模态
图像
任务类型
图像分割
创建/更新时间
2026-10-21

资源简介

基于深度学习的前列腺癌组织微阵列自动Gleason分级复现数据

Replication Data for: Automated Gleason grading of prostate cancer tissue microarrays via deep learning.

该数据集包含来自五个前列腺癌组织微阵列(TMA)的H&E染色图像及对应的Gleason标注掩膜,掩膜中像素索引对应良性、Gleason 3、Gleason 4、Gleason 5及未标注类别。数据可用于训练和评估深度学习模型,实现前列腺癌组织微阵列的自动Gleason分级,属于医学图像分割任务,服务于肿瘤病理分析和计算机辅助诊断研究(来源 DataONE)。

【数据内容】

源站描述(机器翻译,仅供参考):来自五个前列腺癌组织微阵列(TMA)的H&E染色图像及对应的Gleason标注掩膜。在掩膜中,像素索引对应类别如下:0=良性(绿色),1=Gleason_3(蓝色),2=Gleason_4(黄色),3=Gleason_5(红色),4=未标注(白色)。

【主题与分类】

主题标签:Medicine, Health and Life Sciences、Computer and Information Science。本站分类:肿瘤/前列腺癌。

【获取与许可】

源站页面:https://search.dataone.org/view/sha256%3Aa0429b218ae6bf7d5e31fd1ab119001207eca6b6fe840a0ddc616f859e149842

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://search.dataone.org/view/sha256%3Aa0429b218ae6bf7d5e31fd1ab119001207eca6b6fe840a0ddc616f859e149842

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

来自五个前列腺癌组织微阵列(TMAs)的H&E染色图像及相应的Gleason标注掩膜。在掩膜中,像素索引对应的类别如下:0=良性(绿色),1=Gleason_3(蓝色),2=Gleason_4(黄色),3=Gleason_5(红色),4=未标注(白色)。

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。

获取专属数据定制方案