子宫癌病理组织学子集

摘要HISTOPANTUME子宫癌病理组织学数据集是从泛癌症组织病理学数据集HISTOPANTUME中提取的专注于子宫癌领域的精选子集。数据集概述HISTOPANTUME子宫癌病理组织学数据集是从泛癌症组织病理学数据集HISTOPANTUME中提取的专注于子宫癌领域的精选子集。该数据集包含6,334张从癌症基因组图谱TCGA获取的组织病理学图像专门用于肿瘤检测、领域泛化和计算病理学研究。数据集采用二分类架构包含肿瘤类别3,000张和非肿瘤类别3,334张类别分布相对均衡。所有图像均为224×224像素的JPEG格式通过从原始数据集中间部分开始采样的方式构建确保了样本的代表性和多样性。数据结构与关键特征数据集采用简洁的二级目录结构组织分为Tumor和Non-Tumor两个类别文件夹每个文件夹包含相应类别的组织病理学图像切片。图像统一为224×224像素分辨率便于直接输入卷积神经网络进行训练。原始文件名编码了TCGA来源切片和切片坐标的相关信息为溯源和研究提供了便利。数据集的类别分布接近1:13,000 vs 3,334避免了严重的类别不平衡问题使其成为二分类任务的理想训练资源。图像质量经过人工检查确保了数据的可靠性和一致性。应用价值与研究方向该数据集在计算病理学和医学图像分析领域具有广泛的应用价值特别适用于肿瘤二分类、迁移学习、轻量级深度学习模型开发以及领域泛化实验。研究方向包括基于ImageNet预训练模型的迁移学习、自监督学习和半监督学习方法探索、不确定性估计、可解释性AI如Grad-CAM分析、特征提取与表示学习、模型鲁棒性评估等。由于数据集规模适中且标注明确它为子宫癌早期筛查系统的开发、病理学家辅助诊断工具的构建以及深度学习算法在组织病理学图像分析中的性能基准测试提供了宝贵的研究资源有助于推动精准医学和数字病理学的发展。数据集来源由张家梁(Bob)整理并于2026年在7zcode平台公开发布。数据集信息免责声明与引用数据仅用于科研与教学用途。若用于商业场景请自行核验数据许可。如需引用请在论文或报告中注明数据集名称与版本号。作者信息作者Bob (张家梁)项目编号Datasets-311文件大小128M原创声明本数据集为整理作品