多实验室染色Aperio扫描肉瘤WSIs 4
本数据集为多实验室染色Aperio扫描肉瘤病理切片（WSIs）的第四部分，属于医学影像模态，包含肉瘤组织的全玻片数字图像，主要用于病理诊断辅助、肉瘤亚型识别以及基于深度学习的癌症影像分析研究，支持医学人工智能在肿瘤病理领域的应用开发。
基本信息
资源简介
多实验室染色Aperio扫描肉瘤WSIs 4
【数据集背景】
本数据集源站标题为《Multi-lab stained Aperio scanned sarcoma WSIs 4》。源站首次发布：2025-12-14。
【数据内容】
源站原始描述：A unique multi-institutional dataset comprising 1,243 whole slide images covering 14 tumour types, stained in 30 external institutions in addition to Royal National Orthopaedic Hospital, where the project was carried out, and scanned with three scanners (Apreio, Hamamatsu and 3D-Histech), is shared with the research community. This dataset is the Aperio scanned 4 out of 4. The GitHub repository for the project can be found at: The Project website can be found at: To use the dataset, please cite:…
【数据结构与技术规格】
文件数 20 个，合计 29.41 GB。
【主题与分类】
主题标签：image、classification、image classification、medicine。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/binghaochai/multi-lab-stained-aperio-scanned-sarcoma-wsis-4
使用许可：Attribution 4.0 International (CC BY 4.0)。
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
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("binghaochai/multi-lab-stained-aperio-scanned-sarcoma-wsis-4")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d binghaochai/multi-lab-stained-aperio-scanned-sarcoma-wsis-4
unzip multi-lab-stained-aperio-scanned-sarcoma-wsis-4.zip -d multi-lab-stained-aperio-scanned-sarcoma-wsis-4/
数据说明
该数据集是Kaggle平台上的公开医学影像数据集，包含第四部分（共四部分）的多实验室染色Aperio扫描肉瘤病理切片（WSIs）。数据集由多实验室染色的肉瘤病理切片构成，采用Aperio扫描技术数字化为全玻片图像（WSIs），主要用于医学影像分析、病理诊断辅助、肉瘤亚型识别以及基于深度学习的癌症组织分类等研究方向。
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。
