TympClass鼓膜图像数据库
TympClass鼓膜图像数据库公开提供图像数据，围绕中耳炎和鼓膜病变相关病例、标注或临床/组学信息，适合用于分类、算法训练、外部验证、表型分析和疾病机制探索。
基本信息
资源简介
TympClass鼓膜图像数据库
【一句话概览】
研究利用公开在线数据库和图像，创建了一个包含400张鼓膜图像的原始数据库，涵盖正常、急性中耳炎、外耳道炎、慢性化脓性中耳炎和耵聍五种病理类型。基于深度学习算法构建的分类器，可进行二分类（正常与异常）和多分类（正常、急性中耳炎、慢性化脓性中耳炎、耵聍、外耳道炎）（来源 headneckml.com）。
【数据集背景】
本数据集源站标题为《TympClass Classifier》。
【数据内容】
源站原始描述：We created an original tympanic membrane (TM) image database consisting of a total of 400 images by utilizing publicly available online databases and images. The database contained images representing five different pathologies: normal, acute otitis media, otitis externa, chronic suppurative otitis media, and cerumen. The classifier was constructed based on a deep learning algorithm. It is capable of binary classification (Normal vs. Abnormal) and multiclass classification (Normal, AOM, CSOM, Ce…
中文译文（机器翻译，仅供快速理解，请以原文为准）：我们利用公开可获取的在线数据库和图像，创建了一个包含总共400张图像的原创鼓膜(TM)图像数据库。该数据库包含了代表五种不同病理状况的图像：正常、急性中耳炎、外耳道炎、慢性化脓性中耳炎和耵聍。分类器是基于深度学习算法构建的。它能够进行二分类(正常与异常)和多分类(正常、急性中耳炎、慢性化脓性中耳炎、耵聍、外耳道炎)。
【主题与分类】
主题标签：tympanic membrane、otitis media、otitis externa、cerumen、image、classification、deep learning。
【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://headneckml.com/tympanic
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://headneckml.com/tympanic
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
TympClass鼓膜图像数据库是与中耳炎和鼓膜病变相关的公开数据集，包含图像数据，可用于分类、分型、诊断或预后研究。
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。
