CAMELYON16乳腺淋巴结转移数据
CAMELYON16是数字病理癌症检测经典数据集，适合转移灶检测、WSI分类、弱监督学习和病理AI模型评估。
基本信息
资源简介
CAMELYON16乳腺淋巴结转移数据
【一句话概览】
CAMELYON16 挑战赛已于 2016 年 11 月结束，官方提示可关注 CAMELYON17。该数据集共包含 400 张哨兵淋巴结全切片图像（WSIs），来自荷兰 Radboud 大学医学中心与 Utrecht 大学医学中心两个独立数据集。训练集由 170 张淋巴结 WSI（100 张正常、70 张含转移）和另外 100 张 WSI（60 张正常、40 张含转移）组成，含转移切片的真值以标注轮廓顶点的 .xml 文件和 WSI 二值掩膜两种格式提供。测试集包含来自两所大学的 130 张 WSI。图像以多分辨率金字塔结构存储，推荐使用 OpenSlide 读取、ASAP 平台可视化与标注（来源 camelyon16.grand-。
【数据集背景】
本数据集源站标题为《CAMELYON16》。
【数据内容】
源站原始描述：The CAMELYON16 challenge has ended in November 2016 ¶ PLEASE CHECK OUT CAMELYON17: ¶ ¶ The data in this challenge contains a total of 400 whole-slide images (WSIs) of sentinel lymph node from two independent datasets collected in Radboud University Medical Center (Nijmegen, the Netherlands), and the University Medical Center Utrecht (Utrecht, the Netherlands). The training dataset ¶ The first training dataset consists of 170 WSIs of lymph node (100 Normal and 70 containing metastases) and the se…
中文译文（机器翻译，仅供快速理解，请以原文为准）：CAMELYON16挑战赛已于2016年11月结束 ¶ 请查看CAMELYON17：¶ https://camelyon17.grand-challenge.org ¶ 本挑战赛的数据包含来自荷兰奈梅亨的Radboud大学医学中心和荷兰乌得勒支的乌得勒支大学医学中心收集的两个独立数据集中的共400张前哨淋巴结全切片图像（WSIs）。训练数据集 ¶ 第一个训练数据集包含170张淋巴结WSIs（100张正常和70张含转移），第二个包含100张WSIs（包括60张正常切片和40张含转移切片）。含转移切片的真实标签数据以两种格式提供：包含标注轮廓顶点的.xml文件、WSI二值掩模。测试数据集 ¶ 测试数据集包含从两所大学收集的130张WSIs。可视化图像和标注 ¶ 全切片图像通常以多分辨率金字塔结构存储。图像文件包含原始图像的多个降采样版本。金字塔中的每张图像以一系列瓦片的形式存储，以便快速检索图像的子区域。使用标准图像工具或库读取这些图像是一项挑战，因为这些工具通常是为可以轻松解压到RAM或交换文件中的图像设计的。OpenSlide是一个C库，提供了读取不同格式WSIs的简单接口。自动切片分析平台（ASAP）是一个开源平台，用于可视化、标注和自动分析全切片组织病理学图像。ASAP建立在几个成熟的开源包之上，如OpenSlide、Qt和OpenCV。我们强烈建议参与者使用此平台来可视化切片和查看标注。您可以从Github下载ASAP。转移区域示例：
【主题与分类】
主题标签：whole-slide images、sentinel lymph node、metastases、histopathology、CAMELYON16。
【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://camelyon16.grand-challenge.org/Data/
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。
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
源站：https://camelyon16.grand-challenge.org/Data/
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
乳腺癌前哨淋巴结全切片病理图像和转移标注，用于癌症病理检测。
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。
