摘要：该数据集是一个面向膀胱组织分类、内镜医学图像分析与半监督学习研究构建的医学图像数据集，来源于“基于多域内镜图像的半监督膀胱组织分类”研究工作。
数据集概述
该数据集是一个面向膀胱组织分类、内镜医学图像分析与半监督学习研究构建的医学图像数据集，来源于“基于多域内镜图像的半监督膀胱组织分类”研究工作。数据集聚焦于膀胱内镜检查场景下不同组织类型的识别问题，可用于支持膀胱病变检测、组织分类及智能辅助诊断研究。由于该数据集基于多域内镜图像构建，因此能够更好地反映不同设备、成像条件或临床环境下的图像差异，为跨域医学图像分析和半监督学习方法提供实验基础。
数据结构与关键特征
数据集主要由 4 个组织类别文件夹和 1 个标注文件组成，分别为 HGC、LGC、NST、NTL 和 annotations.csv。其中，不同文件夹对应不同类型的膀胱内镜组织图像，适合用于多分类医学图像识别任务；annotations.csv 则可用于保存图像标签、类别映射或其他补充标注信息。该数据集的图像来自膀胱内镜检查过程，具有典型的医学内窥镜图像特征，包括颜色变化细微、纹理差异复杂、局部病变边界不明显以及跨域成像差异明显等特点，因此对模型的特征提取和泛化能力提出了较高要求。基于数据集命名方式，HGC 和 LGC 通常可理解为高级别与低级别病变相关类别，而 NST 与 NTL 则对应其他膀胱组织状态类别，适合开展组织级别分类研究。
应用价值与研究方向
该数据集适用于膀胱组织分类、膀胱癌辅助诊断、内镜图像识别、跨域医学图像分析以及半监督学习等研究方向。研究中可以使用 ResNet、DenseNet、EfficientNet、ConvNeXt、Vision Transformer 等深度学习模型进行图像分类，也可以结合半监督学习、域自适应、迁移学习和对比学习等方法，提高在小样本及多域场景下的识别性能。进一步还可以将该数据集用于病变区域识别、临床决策支持系统开发以及内镜智能辅助诊断平台构建，为泌尿系统疾病的早期筛查和精准诊疗提供技术支持。
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-805
文件大小：228M
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)