SPIDER

Name: SPIDER
Creator: HistAI
License: NOASSERTION

多器官病理学图像数据集，包含皮肤、结直肠癌和胸腺，由专家验证的注释和上下文补丁组成，用于分类任务。

HistAI

arXiv

2025-03-05 更新

医学影像病理学图像多器官分类

基本信息

模态

医学影像

大小

0.000022 GB

许可

NOASSERTION

创建/更新时间

2025-03-05

版本

main

资源简介

SPIDER

【数据集背景】

本数据集源站标题为《histai/SPIDER》。源站首次发布：2025-03-03。

【数据内容】

源站原始描述：SPIDER: A multi-organ pathology dataset with expert annotations and pre-trained models for AI-driven research. Available on Hugging Face 🤗. # SPIDER: A Multi-Organ Supervised Pathology Dataset and Baseline Models ## Overview SPIDER (**S**upervised **P**athology **I**mage-**DE**scription **R**epository) is a large, high-quality, and diverse patch-level dataset designed to advance AI-driven computational pathology. It provides multi-organ coverage, expert-annotated labels, and strong baseline mode…

【适用方向】

影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。

【获取与许可】

源站页面：https://github.com/histai/SPIDER

使用许可：NOASSERTION。

【使用注意】

· 源站最后修改于 2025-04-07，引用时请注意版本时效。

原始链接

https://github.com/HistAI/SPIDER

访问原始数据

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

git clone https://github.com/HistAI/SPIDER.git

curl -L -o repo.zip https://github.com/HistAI/SPIDER/archive/refs/heads/main.zip
unzip repo.zip

源站 README 摘录（使用方式）

🔧 Getting Started

🛠 Using the Dataset

Download any SPIDER dataset using huggingface_hub:

from huggingface_hub import snapshot_download
snapshot_download(repo_id="histai/SPIDER-colorectal", repo_type="dataset", local_dir="./spider_colorectal")

Or clone directly using Git:

git lfs install
git clone https://huggingface.co/datasets/histai/SPIDER-colorectal

Extract dataset files:

cat spider-colorectal.tar.* | tar -xvf -

🤖 Using the Model

Load a pretrained model for inference:

from transformers import AutoModel, AutoProcessor
from PIL import Image

model = AutoModel.from_pretrained("histai/SPIDER-colorectal-model", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("histai/SPIDER-colorectal-model", trust_remote_code=True)

image = Image.open("path_to_image.png")
inputs = processor(images=image, return_tensors="pt")
outputs = model(**inputs)
print(outputs.predicted_class_names)

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