MoNuSeg多器官细胞核分割数据集
MoNuSeg 是与癌症（Cancer）相关的公开数据资源，主要包含多器官肿瘤组织病理图像和细胞核实例分割标注，数据模态为图像，适合用于图像分割、模型训练、基准评测或临床特征分析。
基本信息
资源简介
MoNuSeg多器官细胞核分割数据集
【一句话概览】
MoNuSeg 数据集通过对多位不同器官肿瘤患者、且在多所医院确诊的组织图像进行细致标注而获得。该数据集由从 TCGA 档案中下载的、以 40 倍放大率采集的 H&E 染色组织图像构成。H&E 染色是增强组织切片对比度的常规方案，常用于肿瘤评估。鉴于多器官、多患者间细胞核外观的多样性，以及多所医院所采用染色方案的丰富性，该训练数据集将有助于开发稳健且可泛化的细胞核分割技术。该挑战数据在知识共享许可协议（CC BY-NC-SA 4.0）下发布（来源 monuseg.grand-challenge.org）。
【数据集背景】
本数据集源站标题为《MoNuSeg》。
【数据内容】
源站原始描述：The dataset for this challenge was obtained by carefully annotating tissue images of several patients with tumors of different organs and who were diagnosed at multiple hospitals. This dataset was created by downloading H&E stained tissue images captured at 40x magnification from TCGA archive. H&E staining is a routine protocol to enhance the contrast of a tissue section and is commonly used for tumor assessment (grading, staging, etc.). Given the diversity of nuclei appearances across multiple…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本挑战赛的数据集是通过对来自多家医院诊断、患有不同器官肿瘤的几位患者的组织图像进行细致标注而获得的。该数据集源自TCGA档案库，下载了以40倍放大率捕获的H&E染色组织图像。H&E染色是一种常规方法，用于增强组织切片的对比度，常用于肿瘤评估（分级、分期等）。鉴于多个器官和患者间细胞核形态的多样性，以及多家医院采用的丰富染色方案，训练数据集将促进开发稳健且具有泛化能力的细胞核分割技术，这些技术可直接应用。挑战赛数据遵循创意共享许可协议（CC BY-NC-SA 4.0）发布。
【主题与分类】
主题标签：nuclei segmentation、H&E stained tissue images、computational pathology、multi-organ、tumor、TCGA。
【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://monuseg.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://monuseg.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
MoNuSeg多器官细胞核分割数据集包含多器官肿瘤组织病理图像和细胞核实例分割标注，可用于癌症相关的图像分割研究。
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。
