数据表8_基于深度学习的单图像超分辨率扫描系统用于口腔上皮异常增生病理诊断的可行性研究
该数据集含1个文件，采用CC BY 4.0许可。研究评估深度学习结合超分辨率扫描系统用于口腔上皮异型增生（OED）病理诊断的可行性
基本信息
资源简介
数据表8_基于深度学习的单图像超分辨率扫描系统用于口腔上皮异常增生病理诊断的可行性研究
Data Sheet 8_Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial dysplasia.zip
该数据集含1个文件，采用CC BY 4.0许可。研究评估深度学习结合超分辨率扫描系统用于口腔上皮异型增生（OED）病理诊断的可行性。40张口腔上皮组织病理切片用于训练模型，200张明确OED诊断切片经DS30R与Nikon扫描比较。DS30R单层扫描0.25分钟、占0.35GB；Nikon需15分钟、占0.5GB。系统提升图像清晰度，全片诊断一致性高，kappa为0.969和0.979（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《Why oral histopathology suffers inter-observer variability on grading oral epithelial dysplasia: An attempt to understand the sources of variation》发表于 Oral Oncology（2007），DOI：10.1016/j.oraloncology.2006.03.009。源站首次发布：2025-03-12。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究旨在评估将深度学习与超分辨率扫描仪联合应用于口腔上皮异常增生（OED）切片数字化扫描与诊断的可行性。利用40张口腔上皮组织病理切片构建并训练了一个基于深度学习的超分辨率数字切片扫描系统模型。将200张OED诊断明确的切片分别通过DS30R和Nikon扫描仪扫描为数字切片，并获取扫描仪参数以进行比较。鉴于显微镜下诊断是金标准，评估了同一位病理学家在阅读不同扫描仪图像时对OED病理特征识别的灵敏度和特异度。此外，还评估了病理学家使用不同数字扫描成像系统所获得的全切片诊断结果的一致性。上述工作旨在评估基于深度学习的超分辨率数字切片扫描系统用于OED病理诊断的可行性。DS30R扫描仪可在0.25分钟内以单层处理整张切片，占用0.35GB存储空间。相比之下，Nikon扫描仪扫描需要15分钟，占用0.5GB存储空间。模型训练后，该系统提高了口腔上皮组织病理切片成像的清晰度。DS30R和Nikon扫描仪在检测OED病理图像中的结构特征方面均表现出高灵敏度和高特异度；但DS30R在识别某些细胞特征方面更具优势。同一位病理学家使用不同成像系统所得的全切片诊断结论一致性极高，DS30R-光学显微镜的kappa值为0.969，DS30R-Nikon-光学显微镜的kappa值为0.979。基于深度学习的超分辨率显微成像系统性能有所提升。它保留了OED的诊断信息，并解决了现有数字扫描仪成像速度慢、数据量大以及难以快速传输和共享等缺点。这种高质量超分辨率图像为未来人工智能（AI）技术的普及奠定了坚实基础，并将有助于AI对口腔潜在恶性疾病进行准确诊断。
【数据结构与技术规格】
文件数 1 个，合计 18.75 MB。数据集 DOI：10.3389/fmed.2025.1550512.s010。
【主题与分类】
源站学科分类：Foetal Development and Medicine。主题标签：oral epithelial dysplasia、deep learning、pathological diagnosis、digital pathology、artificial intelligence。本站分类：口颌系统疾病/其他。
【适用方向】
源站学科分类标注为 Foetal Development and Medicine。
【获取与许可】
源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_8_Feasibility_study_of_single-image_super-resolution_scanning_system_based_on_deep_learning_for_pathological_diagnosis_of_oral_epithelial_dysplasia_zip/28580468
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Liu, Zhaochen; Wang, Peiyan; Deng, Nian; Zhang, Hui; Xin, Fangjie; Yu, Xiaofei; et al. (2025). Data Sheet 8_Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial dysplasia.zip. Frontiers. Dataset
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（Figshare）
- 源站标题：Data Sheet 8_Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial dysplasia.zip
- DOI：10.3389/fmed.2025.1550512.s010
- 发布日期：2025-03-12
- 文件数：1 个
- 文件总体积：18.75 MB
- 源站页面：https://frontiersin.figshare.com/articles/dataset/Data_Sheet_8_Feasibility_study_of_single-image_super-resolution_scanning_system_based_on_deep_learning_for_pathological_diagnosis_of_oral_epithelial_dysplasia_zip/28580468
命令行下载
curl -L -o "Data Sheet 8_Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial d.zip" "https://ndownloader.figshare.com/files/52936562"
文件清单
Data Sheet 8_Feasibility study of single-image super-resolution scanning system based on deep learning for pathological diagnosis of oral epithelial d.zip（18.75 MB）
文件总体积 18.75 MB（源站 API 实测）。
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。
数据说明
本研究旨在评估将深度学习与超分辨率扫描仪相结合，用于口腔上皮异常增生（OED）切片数字化扫描和诊断的可行性。构建了一个基于深度学习的超分辨率数字切片扫描系统模型，并使用40张口腔上皮组织病理切片进行训练。使用DS30R和Nikon扫描仪将200张具有明确OED诊断的切片扫描为数字切片，并获取扫描仪参数进行比较。考虑到显微镜下诊断是金标准，评估了同一位病理学家在阅读不同扫描仪图像时对OED病理特征识别的敏感性和特异性。此外，评估了病理学家使用不同数字扫描成像系统获得的全切片诊断结果的一致性。这样做是为了评估基于深度学习的超分辨率数字切片扫描系统用于OED病理诊断的可行性。DS30R扫描仪可在0.25分钟内以单层处理整张切片，占用0.35GB存储空间。相比之下，Nikon扫描仪扫描需要15分钟，占用0.5GB存储空间。模型训练后，该系统提高了口腔上皮组织病理切片成像的清晰度。DS30R和Nikon扫描仪在检测OED病理图像中的结构特征方面均表现出高敏感性和特异性；然而，DS30R在识别某些细胞特征方面更胜一筹。同一位病理学家使用不同成像系统得出的全切片诊断结论一致性极高，DS30R-光学显微镜的kappa值为0.969，DS30R-Nikon-光学显微镜为0.979。基于深度学习的超分辨率显微成像系统的性能得到了提升。它保留了OED的诊断信息，并解决了现有数字扫描仪的缺点，如成像速度慢、数据量大以及快速传输和共享困难。这种高质量的超分辨率图像为……奠定了坚实的基础。
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fmed.2025.1550512.s010（source: https://frontiersin.figshare.com/articles/dataset/Data_Sheet_8_Feasibility_study_of_single-image_super-resolution_scanning_system_based_on_deep_learning_for_pathological_diagnosis_of_oral_epithelial_dysplasia_zip/28580468）。
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。
