摘要：该数据集包含7,000张彩色骨髓细胞显微图像，涵盖7种细胞类型：成母细胞（BLA）、嗜酸性粒细胞（EOS）、淋巴细胞（LYT）、单核细胞（MON）、中性粒细胞分叶核（NGS）、中性粒细胞杆状核（NIF）和早幼粒细胞（PMO），每类1000张图像。
数据集概述
该数据集包含7,000张彩色骨髓细胞显微图像，涵盖7种细胞类型：成母细胞（BLA）、嗜酸性粒细胞（EOS）、淋巴细胞（LYT）、单核细胞（MON）、中性粒细胞分叶核（NGS）、中性粒细胞杆状核（NIF）和早幼粒细胞（PMO），每类1000张图像。骨髓细胞形态学分析是血液系统疾病（白血病、淋巴瘤、骨髓增生异常综合征）诊断的金标准，传统人工镜检耗时长、主观性强且依赖专家经验。该数据集通过彩色增强技术提升细胞核染色质结构、细胞质颗粒和细胞形态的可辨识度，为开发基于深度学习的骨髓细胞自动分类系统提供训练数据。
数据结构与关键特征
数据集按细胞类型分为7个文件夹，每个文件夹包含1000张编号图像（0001-1000），类别平衡设计适合多分类模型训练。7种细胞类型具有独特的形态学特征：成母细胞（大细胞、核染色质细腻、核仁明显）、嗜酸性粒细胞（橙红色粗大颗粒）、淋巴细胞（小细胞、核质比高、深蓝色胞质）、单核细胞（大细胞、折叠核、灰蓝色胞质）、中性粒细胞分叶核（2-5叶分叶核、细颗粒）、中性粒细胞杆状核（杆状或马蹄形核）、早幼粒细胞（粗大嗜天青颗粒）。彩色染色强化了细胞核结构、细胞质颗粒和边界特征，支持卷积神经网络提取判别性特征。
应用价值与研究方向
该数据集为血液病诊断自动化提供技术基础，可显著降低病理医生工作负担并提升诊断一致性，特别适用于基层医院和资源受限地区。技术层面支持深度学习分类模型开发（ResNet、DenseNet、EfficientNet）、细粒度特征学习（注意力机制聚焦核染色质和胞质颗粒）以及小样本学习验证。研究方向包括：多尺度特征融合提取细胞微观结构、类别不平衡学习应对罕见细胞类型、跨染色协议域适应、可解释性AI生成判别区域热图、以及结合临床信息的多模态诊断系统构建，为白血病亚型分类、微小残留病检测和预后评估提供AI辅助工具。
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-287
文件大小：120M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)