ivanvmoreno/ANHIR

---
license: cc-by-nc-2.0
configs:
- config_name: default
data_files:
- split: train
path: data/train-*
dataset_info:
features:
- name: image
dtype: image
- name: label
dtype:
class_label:
names:
'0': '0'
'1': '1'
'2': '10'
'3': '100'
'4': '101'
'5': '102'
'6': '103'
'7': '104'
'8': '105'
'9': '106'
'10': '107'
'11': '108'
'12': '109'
'13': '11'
'14': '110'
'15': '111'
'16': '112'
'17': '113'
'18': '114'
'19': '115'
'20': '116'
'21': '117'
'22': '118'
'23': '119'
'24': '12'
'25': '120'
'26': '121'
'27': '122'
'28': '123'
'29': '124'
'30': '125'
'31': '126'
'32': '127'
'33': '128'
'34': '129'
'35': '13'
'36': '130'
'37': '131'
'38': '132'
'39': '133'
'40': '134'
'41': '135'
'42': '136'
'43': '137'
'44': '138'
'45': '139'
'46': '14'
'47': '140'
'48': '141'
'49': '142'
'50': '143'
'51': '144'
'52': '145'
'53': '146'
'54': '147'
'55': '148'
'56': '149'
'57': '15'
'58': '150'
'59': '151'
'60': '152'
'61': '153'
'62': '154'
'63': '155'
'64': '156'
'65': '157'
'66': '158'
'67': '159'
'68': '16'
'69': '160'
'70': '161'
'71': '162'
'72': '163'
'73': '164'
'74': '165'
'75': '166'
'76': '167'
'77': '168'
'78': '169'
'79': '17'
'80': '170'
'81': '171'
'82': '172'
'83': '173'
'84': '174'
'85': '175'
'86': '176'
'87': '177'
'88': '178'
'89': '179'
'90': '18'
'91': '180'
'92': '181'
'93': '182'
'94': '183'
'95': '184'
'96': '185'
'97': '186'
'98': '187'
'99': '188'
'100': '189'
'101': '19'
'102': '190'
'103': '191'
'104': '192'
'105': '193'
'106': '194'
'107': '195'
'108': '196'
'109': '197'
'110': '198'
'111': '199'
'112': '2'
'113': '20'
'114': '200'
'115': '201'
'116': '202'
'117': '203'
'118': '204'
'119': '205'
'120': '206'
'121': '207'
'122': '208'
'123': '209'
'124': '21'
'125': '210'
'126': '211'
'127': '212'
'128': '213'
'129': '214'
'130': '215'
'131': '216'
'132': '217'
'133': '218'
'134': '219'
'135': '22'
'136': '220'
'137': '221'
'138': '222'
'139': '223'
'140': '224'
'141': '225'
'142': '226'
'143': '227'
'144': '228'
'145': '229'
'146': '23'
'147': '230'
'148': '231'
'149': '232'
'150': '233'
'151': '234'
'152': '235'
'153': '236'
'154': '237'
'155': '238'
'156': '239'
'157': '24'
'158': '240'
'159': '241'
'160': '242'
'161': '243'
'162': '244'
'163': '245'
'164': '246'
'165': '247'
'166': '248'
'167': '249'
'168': '25'
'169': '250'
'170': '251'
'171': '252'
'172': '253'
'173': '254'
'174': '255'
'175': '256'
'176': '257'
'177': '258'
'178': '259'
'179': '26'
'180': '260'
'181': '261'
'182': '262'
'183': '263'
'184': '264'
'185': '265'
'186': '266'
'187': '267'
'188': '268'
'189': '269'
'190': '27'
'191': '270'
'192': '271'
'193': '272'
'194': '273'
'195': '274'
'196': '275'
'197': '276'
'198': '277'
'199': '278'
'200': '279'
'201': '28'
'202': '280'
'203': '281'
'204': '282'
'205': '283'
'206': '284'
'207': '285'
'208': '286'
'209': '287'
'210': '288'
'211': '289'
'212': '29'
'213': '290'
'214': '291'
'215': '292'
'216': '293'
'217': '294'
'218': '295'
'219': '296'
'220': '297'
'221': '298'
'222': '299'
'223': '3'
'224': '30'
'225': '300'
'226': '301'
'227': '302'
'228': '303'
'229': '304'
'230': '305'
'231': '306'
'232': '307'
'233': '308'
'234': '309'
'235': '31'
'236': '310'
'237': '311'
'238': '312'
'239': '313'
'240': '314'
'241': '315'
'242': '316'
'243': '317'
'244': '318'
'245': '319'
'246': '32'
'247': '320'
'248': '321'
'249': '322'
'250': '323'
'251': '324'
'252': '325'
'253': '326'
'254': '327'
'255': '328'
'256': '329'
'257': '33'
'258': '330'
'259': '331'
'260': '332'
'261': '333'
'262': '334'
'263': '335'
'264': '336'
'265': '337'
'266': '338'
'267': '339'
'268': '34'
'269': '340'
'270': '341'
'271': '342'
'272': '343'
'273': '344'
'274': '345'
'275': '346'
'276': '347'
'277': '348'
'278': '349'
'279': '35'
'280': '350'
'281': '351'
'282': '352'
'283': '353'
'284': '354'
'285': '355'
'286': '356'
'287': '357'
'288': '358'
'289': '359'
'290': '36'
'291': '360'
'292': '361'
'293': '362'
'294': '363'
'295': '364'
'296': '365'
'297': '366'
'298': '367'
'299': '368'
'300': '369'
'301': '37'
'302': '370'
'303': '371'
'304': '372'
'305': '373'
'306': '374'
'307': '375'
'308': '376'
'309': '377'
'310': '378'
'311': '379'
'312': '38'
'313': '380'
'314': '381'
'315': '382'
'316': '383'
'317': '384'
'318': '385'
'319': '386'
'320': '387'
'321': '388'
'322': '389'
'323': '39'
'324': '390'
'325': '391'
'326': '392'
'327': '393'
'328': '394'
'329': '395'
'330': '396'
'331': '397'
'332': '398'
'333': '399'
'334': '4'
'335': '40'
'336': '400'
'337': '401'
'338': '402'
'339': '403'
'340': '404'
'341': '405'
'342': '406'
'343': '407'
'344': '408'
'345': '409'
'346': '41'
'347': '410'
'348': '411'
'349': '412'
'350': '413'
'351': '414'
'352': '415'
'353': '416'
'354': '417'
'355': '418'
'356': '419'
'357': '42'
'358': '420'
'359': '421'
'360': '422'
'361': '423'
'362': '424'
'363': '425'
'364': '426'
'365': '427'
'366': '428'
'367': '429'
'368': '43'
'369': '430'
'370': '431'
'371': '432'
'372': '433'
'373': '434'
'374': '435'
'375': '436'
'376': '437'
'377': '438'
'378': '439'
'379': '44'
'380': '440'
'381': '441'
'382': '442'
'383': '443'
'384': '444'
'385': '445'
'386': '446'
'387': '447'
'388': '448'
'389': '449'
'390': '45'
'391': '450'
'392': '451'
'393': '452'
'394': '453'
'395': '454'
'396': '455'
'397': '456'
'398': '457'
'399': '458'
'400': '459'
'401': '46'
'402': '460'
'403': '461'
'404': '462'
'405': '463'
'406': '464'
'407': '465'
'408': '466'
'409': '467'
'410': '468'
'411': '469'
'412': '47'
'413': '470'
'414': '471'
'415': '472'
'416': '473'
'417': '474'
'418': '475'
'419': '476'
'420': '477'
'421': '478'
'422': '479'
'423': '48'
'424': '480'
'425': '49'
'426': '5'
'427': '50'
'428': '51'
'429': '52'
'430': '53'
'431': '54'
'432': '55'
'433': '56'
'434': '57'
'435': '58'
'436': '59'
'437': '6'
'438': '60'
'439': '61'
'440': '62'
'441': '63'
'442': '64'
'443': '65'
'444': '66'
'445': '67'
'446': '68'
'447': '69'
'448': '7'
'449': '70'
'450': '71'
'451': '72'
'452': '73'
'453': '74'
'454': '75'
'455': '76'
'456': '77'
'457': '78'
'458': '79'
'459': '8'
'460': '80'
'461': '81'
'462': '82'
'463': '83'
'464': '84'
'465': '85'
'466': '86'
'467': '87'
'468': '88'
'469': '89'
'470': '9'
'471': '90'
'472': '91'
'473': '92'
'474': '93'
'475': '94'
'476': '95'
'477': '96'
'478': '97'
'479': '98'
'480': '99'
splits:
- name: train
num_bytes: 1797665726.0
num_examples: 962
download_size: 1522750448
dataset_size: 1797665726.0
---

原始信息汇总

数据集概述

许可证

• 该数据集的许可证为 cc-by-nc-2.0。

配置

• 默认配置 (default) 包含训练数据文件，路径为 data/train-*。

数据特征

• 数据集包含两个特征：
  • image：图像数据。
  • label：标签数据，包含多个类别，类别名称与索引对应关系如下：
    • 0: 0
    • 1: 1
    • 2: 10
    • ...
    • 480: 99

数据分割

• 数据集包含一个训练集 (train)，包含 962 个样本，总字节数为 1797665726.0。

数据大小

• 下载大小：1522750448 字节
• 数据集大小：1797665726.0 字节

搜集汇总

数据集介绍

构建方式

在医学影像分析领域，数据集的构建需兼顾专业性与多样性。ANHIR数据集的构建过程依托于组织病理学图像的采集与标注，通过系统化的图像预处理流程，将原始高分辨率切片转化为标准化的图像数据。每张图像均经过专家手动或半自动标注，对应特定的类别标签，确保标注的准确性与一致性。数据集采用统一的格式进行存储与划分，仅包含训练集，便于模型在特定任务上进行训练与验证。

特点

ANHIR数据集展现了组织病理学图像分析的典型特征，其图像数据涵盖广泛的类别，标签体系细致且具有层次性，覆盖从0到480的类别编号，映射至实际病理学分类。数据规模适中，包含962个训练样本，总大小约1.8GB，适合中等规模的深度学习实验。图像格式统一，便于直接加载与处理，为模型训练提供了稳定可靠的数据基础。

使用方法

使用ANHIR数据集时，研究人员可通过HuggingFace平台直接加载，利用其预定义的配置与数据分割。数据集以图像-标签对的形式组织，支持常见的深度学习框架进行读取与预处理。在模型训练中，可依据标签映射关系进行多分类任务设计，结合数据增强技术提升模型泛化能力。数据集的许可协议为CC-BY-NC-2.0，确保了学术使用的合规性与开放性。

背景与挑战

背景概述

在医学影像分析领域，组织病理学图像的精准分类与识别对于疾病诊断与研究具有关键意义。ANHIR数据集由研究人员Iván V. Moreno等人构建，旨在应对组织病理学图像配准与标注的复杂挑战。该数据集聚焦于解决多模态医学影像对齐及标注一致性问题，通过提供大量标注图像，为算法开发与评估奠定了坚实基础。其创建推动了计算病理学的发展，尤其在图像配准、分割及分类任务上，为自动化分析工具提供了重要数据支持，促进了相关技术的进步与应用。

当前挑战

ANHIR数据集所针对的领域挑战在于组织病理学图像的高变异性与复杂性，包括图像分辨率差异、染色不一致性以及组织结构的细微变化，这些因素增加了图像配准与分类的难度。在构建过程中，数据采集面临样本多样性不足与标注标准统一的困难，需处理大规模图像数据的存储与处理效率问题，同时确保标注的准确性与一致性，这对数据质量控制提出了较高要求。

常用场景

经典使用场景

在医学图像分析领域，ANHIR数据集作为一项关键资源，其经典使用场景聚焦于组织病理学图像的分类任务。该数据集包含大量标注图像，覆盖了广泛的类别标签，为研究者提供了丰富的样本以训练和验证深度学习模型。通过利用这些图像，研究人员能够构建高效的分类系统，实现对不同病理特征的精准识别，从而推动自动化诊断技术的发展。

解决学术问题

ANHIR数据集有效解决了医学图像分析中常见的类别不平衡和标注稀缺问题。其多样化的图像类别和详尽的标注信息，为学术研究提供了标准化的评估基准，促进了分类算法的公平比较。该数据集的意义在于提升了模型在复杂病理图像上的泛化能力，对推动计算机辅助诊断系统的科学进步产生了深远影响。

衍生相关工作

基于ANHIR数据集，衍生出多项经典研究工作，包括改进的卷积神经网络架构和迁移学习策略。这些研究探索了如何在有限标注数据下提升分类性能，并推动了多类别病理图像识别技术的发展。相关成果已在顶级医学影像会议和期刊上发表，为后续研究奠定了坚实基础。