高光谱和多光谱肾脏图像数据集

摘要：该高光谱和多光谱肾脏图像数据集是专门为正常与肿瘤组织分类分析而构建的平衡医学影像数据集，包含20,000张图像，均匀分布在四个类别中。

数据集概述

该高光谱和多光谱肾脏图像数据集是专门为正常与肿瘤组织分类分析而构建的平衡医学影像数据集，包含20,000张图像，均匀分布在四个类别中。数据集涵盖5,000张健康肾组织的高光谱图像、5,000张肾肿瘤的高光谱图像、5,000张正常肾区域的多光谱图像以及5,000张肿瘤区域的多光谱图像。高光谱图像通过众多窄波段提供高光谱分辨率，能够实现精细的组织特征表征，而多光谱图像则通过较少波段捕获关键的可见光和红外特征，为肾脏异常的无创检测和分类研究提供了重要资源。

数据结构与关键特征

数据集采用四分类结构组织，每个类别包含5,000张图像，确保了完美的类别平衡（各占25%）。四个类别分别为：Hyperspectral_Normal（健康肾组织在多个波长范围内的高分辨率光谱图像）、Hyperspectral_Tumor（包含详细波长数据的肾肿瘤光谱图像，可捕捉细微组织差异）、Multispectral_Normal（非肿瘤肾组织的宽波段多光谱图像）和Multispectral_Tumor（显示肿瘤生长或异常的肾脏区域多光谱图像）。高光谱图像通过多个窄波段覆盖广泛波长范围，能够捕捉细微的组织差异，而多光谱图像则提供更广泛的波段信息，两种成像模式的结合为多模态学习和跨模态比较研究提供了理想的数据基础。

应用价值与研究方向

该数据集在光谱成像医学诊断领域具有重要的科研和临床应用价值，特别适用于肾脏病变的无创检测、肿瘤早期筛查以及组织分类算法开发。研究方向包括：基于深度学习的高光谱和多光谱图像分类、多模态融合诊断模型构建、光谱特征提取与降维技术、迁移学习在不同光谱模态间的应用、以及可解释性AI在光谱医学影像分析中的实现。数据集的完美平衡分布使其成为评估机器学习算法性能的理想基准，有助于推动光谱成像技术在泌尿系统肿瘤诊断中的临床转化，为实现精准医疗和计算机辅助诊断系统的开发提供了高质量的训练和验证资源。

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-312
文件大小：2.1G
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。