SwinMask-Cyto：支持性实验数据与评估结果
该数据集为SwinMask-Cyto研究的支持性实验数据，面向宫颈细胞学五类细胞（表层-中层、副基底、化生、挖空、角化不良）的自动检测与实例分割
基本信息
资源简介
SwinMask-Cyto：支持性实验数据与评估结果
SwinMask-Cyto: Supporting Experimental Data and Evaluation Results
该数据集为SwinMask-Cyto研究的支持性实验数据，面向宫颈细胞学五类细胞（表层-中层、副基底、化生、挖空、角化不良）的自动检测与实例分割。数据包含训练日志、验证与测试评估结果、模型配置文件、训练指标历史、预测输出及数值数据，覆盖不同训练时长、数据增强策略与正则化配置的实验。最佳36轮实验的边界框mAP@0.5为0.7230。可用于复现与评估基于Swin Transformer增强Mask R-CNN的宫颈细胞实例分割方法（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该存储库包含题为“SwinMask-Cyto: A Swin Transformer-Enhanced Mask R-CNN Framework for Multi-Class Cervical Cell Instance Segmentation”的研究手稿的支持性实验数据。该研究探究了一种Swin Transformer增强的Mask R-CNN框架，用于五类宫颈细胞学细胞类别的自动检测与实例分割：Superficial-Intermediate、Parabasal、Metaplastic、Koilocytotic和Dyskeratotic。该存储库包含可用的实验训练日志、验证与测试评估结果、模型配置文件、训练指标历史、预测输出以及支持性数值数据。实验探究了不同的训练时长、数据增强策略和模型正则化配置。记录的最佳36轮实验实现了边界框mAP@0.5为0.7230和分割mAP@0
【主题与分类】
主题标签：Cervical cytology、Swin Transformer、Mask R-CNN、Instance segmentation、Deep learning、Cervical cancer screening。本站分类：泌尿生殖系统疾病/其他。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23437911
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23437911
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:
数据集大小约 23.4 MB。
数据说明
本仓库包含研究手稿《SwinMask-Cyto：一种用于多类宫颈细胞实例分割的Swin Transformer增强型Mask R-CNN框架》的支撑实验数据。该研究探讨了一种Swin Transformer增强型Mask R-CNN框架，用于对五类宫颈细胞学细胞类别进行自动检测和实例分割：表层中层细胞、副基底细胞、化生细胞、挖空细胞和角化不良细胞。本仓库包含可用的实验训练日志、验证与测试评估结果、模型配置文件、训练指标历史记录、预测输出以及支撑数值数据。实验探究了不同的训练时长、数据增强策略和模型正则化配置。记录中最佳的36轮实验在留出测试集上取得了0.7230的边界框mAP@0.5和0.7280的分割mAP@0.5。提供这些材料旨在支持透明度、可复现性以及人工智能辅助宫颈细胞学分析的进一步研究。
数据集来源、文件说明及适用的数据共享限制均记录在随附文件中。原始私人临床图像未纳入公开研究数据集合。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
