PCam

displayName: PCam (PatchCamelyon) license: - CC0 1.0 mediaTypes: - Medical paperUrl: https://arxiv.org/pdf/1806.03962v1.pdf publishDate: "2018" publishUrl: https://github.com/basveeling/pcam publisher: - University of Amsterdam tags: - Tumour taskTypes: - Image Compression - Breast Tumour Classification --- # 数据集介绍 ## 简介 PatchCamelyon 是一个图像分类数据集。它由从淋巴结切片的组织病理学扫描中提取的 327.680 张彩色图像 (96 x 96px) 组成。每个图像都用二进制标签进行注释，表明存在转移组织。 PCam 为机器学习模型提供了新的基准：大于 CIFAR10，小于 ImageNet，可在单个 GPU 上训练。 ## 引文 ``` @inproceedings{veeling2018rotation, title={Rotation equivariant CNNs for digital pathology}, author={Veeling, Bastiaan S and Linmans, Jasper and Winkens, Jim and Cohen, Taco and Welling, Max}, booktitle={International Conference on Medical image computing and computer-assisted intervention}, pages={210--218}, year={2018}, organization={Springer} } ``` ## Download dataset :modelscope-code[]{type="git"}displayName: PCam（PatchCamelyon） license: - CC0 1.0 mediaTypes: - 医学影像（Medical） paperUrl: https://arxiv.org/pdf/1806.03962v1.pdf publishDate: "2018" publishUrl: https://github.com/basveeling/pcam publisher: - 阿姆斯特丹大学（University of Amsterdam） tags: - 肿瘤（Tumour） taskTypes: - 图像压缩（Image Compression） - 乳腺肿瘤分类（Breast Tumour Classification） --- # 数据集介绍 ## 简介 PatchCamelyon（简称PCam）是一款图像分类数据集，其包含327680张尺寸为96×96像素的彩色图像，所有图像均提取自淋巴结切片的组织病理学扫描影像。每张图像均配有二进制标注标签，用于标识图像中是否存在转移组织。PCam为机器学习模型提供了全新的基准测试集：其数据规模大于CIFAR10、小于ImageNet，且可在单块图形处理器（GPU）上完成训练。 ## 引文 @inproceedings{veeling2018rotation, title={用于数字病理的旋转等变卷积神经网络}, author={Veeling, Bastiaan S and Linmans, Jasper and Winkens, Jim and Cohen, Taco and Welling, Max}, booktitle={医学图像计算与计算机辅助干预国际会议}, pages={210--218}, year={2018}, organization={施普林格（Springer)} } ## 数据集下载 :modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

PatchCamelyon（PCam）是一个医学图像分类数据集，包含从淋巴结组织病理学扫描中提取的32.7万张96x96像素彩色图像，每张图像标注了是否存在转移组织的二元标签。该数据集的规模介于CIFAR10和ImageNet之间，可作为机器学习模型的新基准，并支持在单个GPU上进行训练。