C

CystoDS是一个膀胱镜图像数据集，旨在支持膀胱癌的医学图像分类与分割任务。该数据集包含8067张膀胱镜图像，其中768张图像提供了病变区域的多边形分割标注（共807个多边形形状）。所有图像以Parquet格式存储，每张图像对应一行，图像作为Hugging Face Image特征嵌入，分割多边形内联存储。数据集提供了丰富的临床元数据，包括：患者ID、访问号、病变描述、多灶性标志、膀胱癌关联（是/否）、顶级类别、子类、二级子类、肿瘤分期、形态描述、成像模态（如WLC等）。类别分布为：正常黏膜6386张、恶性998张、异物251张、非恶性221张、解剖标志211张。分割标签包括：Tumor（459个）、Air bubble（216个）、Right ureteral orifice（50个）、Left ureteral orifice（49个）、Resection scar（30个）、Flat Tumor（3个）。数据集仅包含一个训练集（train split），共160个独特患者。为避免数据泄漏，建议使用患者ID列构建自定义的患者分组分割。数据集采用CC-BY-4.0许可证，适用于图像分类、多标签分类、图像分割等医学影像分析任务。CystoDS is a cystoscopic image dataset designed to support medical image classification and segmentation tasks for bladder cancer. This dataset contains 8,067 cystoscopic images, among which 768 images provide polygonal segmentation annotations for lesion regions, totaling 807 polygonal shapes. All images are stored in Parquet format, with each image corresponding to one row. The images are embedded as Hugging Face Image features, and the segmentation polygons are stored inline. The dataset provides rich clinical metadata including: patient ID, access number, lesion description, multifocality flag, bladder cancer association (Yes/No), top-level category, subcategory, secondary subcategory, tumor stage, morphological description, and imaging modality (e.g., WLC). The category distribution is as follows: 6,386 normal mucosa images, 998 malignant images, 251 foreign body images, 221 non-malignant images, and 211 anatomical landmark images. The segmentation labels include: Tumor (459 instances), Air bubble (216 instances), Right ureteral orifice (50 instances), Left ureteral orifice (49 instances), Resection scar (30 instances), and Flat Tumor (3 instances). The dataset only contains one training split, with 160 unique patients. To avoid data leakage, it is recommended to use the patient ID column to construct custom patient-grouped splits. The dataset is licensed under CC-BY-4.0 and is applicable to medical image analysis tasks such as image classification, multi-label classification, and image segmentation.

原始信息汇总

数据集概述：CystoDS

CystoDS 是一个面向膀胱癌相关图像分类任务的医学膀胱镜图像数据集，包含病灶标注、分割掩膜及丰富的临床元数据，采用 CC-BY-4.0 许可证，语言为英文。

基本信息

• 任务类型：图像分类
• 规模：约 8,067 张图像（1K–10K 区间）
• 患者数量：160 位唯一患者（以 pid 字段区分）

数据划分

数据集仅包含一个 train 分割，不提供官方验证/测试集。建议基于 pid（患者 ID）自行构建按患者分组的划分，以避免数据泄露。README 中提供了基于 16/16 测试/验证患者的示例代码。

字段说明

字段	类型	描述
image	Image	嵌入的 PIL 图像
filename	string	8 字符匿名 PNG 文件名
pid	int64	患者 ID，用于分组划分
visit	float64	就诊次数（多为 NaN）
lesion	string	病灶描述（多为 NaN）
multifocal	string	多灶标志（多为 NaN）
bca	string	膀胱癌关联（Yes/No）
class	string	顶级类别
subclass	string	子类别标签
subclass2	string	次级子类别
stage	string	肿瘤分期
morphology	string	形态学描述
modality	string	成像方式（如 WLC）
has_segmentation	int64	是否存在分割多边形（1/0）
segmentation	struct	分割数据（无掩膜时为 null）

类别分布

类别	数量
Normal mucosa（正常黏膜）	6,386
Malignant（恶性）	998
Foreign bodies（异物）	251
Non-malignant（非恶性）	221
Anatomical landmarks（解剖标志）	211

分割标注

共 768 张图像带有分割多边形（总计 807 个多边形），标签包括：

• Tumor（肿瘤）：459
• Air bubble（气泡）：216
• Right ureteral orifice（右侧输尿管口）：50
• Left ureteral orifice（左侧输尿管口）：49
• Resection scar（切除疤痕）：30
• Flat Tumor（平坦肿瘤）：3

使用与加载

可通过 Hugging Face datasets 库加载： python from datasets import load_dataset ds = load_dataset("milkyroad/C", split="train")

数据以 Parquet 分片存储，图像以 HF Image 特征嵌入，分割多边形内联存储。

原始来源

数据集的原始出处为 OSF 项目。

搜集汇总

数据集介绍

构建方式

该数据集名为CystoDS，是面向膀胱癌诊断的膀胱镜图像数据集，源自OSF平台公开数据。构建过程中，研究者对原始图像进行了去标识化处理，共纳入160位患者的8067张图像，并统一以Parquet分片格式存储，每行对应一张图像，图像以嵌入式HF Image特征保存，分割多边形以内联结构记录。数据集仅设单一train拆分，未预设验证集和测试集，意图赋予使用者依据患者ID自行构建分组划分的灵活性，以避免数据泄露。图像类别涵盖正常黏膜、恶性肿瘤、异物、非恶性病变及解剖标志等，每个样本附有丰富的临床元数据，包括肿瘤分期、形态学特征和成像模态等。

使用方法

使用CystoDS时，可通过HuggingFace datasets库以一行代码加载训练数据，返回的样本包含PIL图像、类别标签及可选的分割多边形。鉴于数据集仅有train拆分，推荐构建以患者ID为分组的独立验证集和测试集，如示例所示，随机抽取各16个患者ID划分验证集和测试集，其余用作训练集，以此确保评估时不同划分间无患者重叠。对于分割任务，需检查has_segmentation字段，若为1则读取segmentation结构中的标签和多边形点坐标，便于生成掩膜或计算区域属性。这一设计兼顾了研究与临床转化需求，为膀胱癌计算机辅助诊断模型的开发与验证提供了标准化的数据基础。

背景与挑战

背景概述

CystoDS（Cystoscopic Image Dataset）是一个专注于膀胱镜图像分析的专业医学数据集，于近年由相关研究团队构建并公开，旨在推动膀胱癌的计算机辅助诊断研究。该数据集包含8,067张膀胱镜图像，涵盖正常黏膜、恶性肿瘤、异物、非恶性病变及解剖标志等类别，并提供了768张图像的病变分割标注及丰富的临床元数据（如肿瘤分期、形态学、成像模式等）。其核心研究问题在于利用医学影像技术实现对膀胱癌的精准识别与分类，同时支持临床决策。该数据集的发布填补了膀胱镜图像领域公开数据稀缺的空白，为深度学习模型在泌尿外科影像中的应用提供了重要的基准，对提升膀胱癌早期诊断率和降低误诊率具有显著影响力。

当前挑战

该数据集面临的挑战主要涉及领域问题与构建过程两方面。在领域层面，膀胱镜图像分类的核心挑战在于病变外观的复杂性与异质性，如恶性肿瘤与正常黏膜或非恶性病变的视觉相似性，以及图像中气泡、异物等干扰物的存在，增加了准确分类的难度。此外，类别分布不均衡（正常黏膜占多数）可能导致模型偏向多数类，而分割标注的稀疏性（仅768张）限制了像素级任务的性能。在构建过程中，数据来自160位患者，需确保患者级分割以预防数据泄漏，同时影像的采集设备差异、光照条件及操作者经验等均可能引入噪声，影响数据一致性。此外，临床元数据的缺失（如visit、lesion字段的NaN值）为多模态学习带来额外挑战，需精细处理以充分利用有限信息。

常用场景

经典使用场景

在医学影像分析领域，膀胱癌的早期诊断与精确分级一直是临床实践中的核心挑战。该数据集汇聚了膀胱镜图像、病变注释、分割掩膜及丰富的临床元数据，为研究者提供了一个多维度、高质量的基准测试平台。其最经典的使用场景集中于基于深度学习的图像分类任务，尤其适用于区分正常黏膜、恶性肿瘤、异物、非恶性病变及解剖标志物。研究者可借此训练稳健的卷积神经网络或视觉Transformer模型，实现膀胱癌的自动识别与分级，同时利用患者ID进行分组划分，有效避免数据泄漏，确保模型评估的可靠性与泛化能力。

解决学术问题

该数据集直面膀胱镜图像分析中标注稀缺、类别不平衡及患者间数据泄漏等长期困扰学术界的痛点。凭借160位独立患者、8067张图像及768张携带精细多边形分割掩膜的标注，它支撑了图像分类与语义分割的联合研究，使算法能够在区分肿瘤、气泡、输尿管口等结构的同时，探索形态学特征与肿瘤分期、病理亚型的关联。这一资源极大地促进了弱监督学习、少样本学习及域适应等前沿方法的验证，为建立可泛化的计算机辅助诊断系统奠定了坚实的实验基础，推动了医学影像分析与临床决策支持系统的理论进步。

实际应用

在实际临床场景中，该数据集所驱动的技术成果可显著提升膀胱癌筛查与随访的效率和精度。基于其训练的分类模型能够实时辅助泌尿外科医生在膀胱镜检查中识别可疑病变，降低漏诊率；分割功能则有助于精准测量肿瘤尺寸、量化浸润范围，为手术方案规划和术后疗效评估提供客观依据。此外，通过整合多模态信息（如白光膀胱镜）与丰富的元数据，这些模型可被部署于远程医疗和资源匮乏地区，实现标准化、低成本的初步诊断，进而优化患者分流和管理路径，展现从实验台到病床边的转化应用潜力。

数据集最近研究

最新研究方向

基于CystoDS数据集的膀胱镜图像智能分析正成为计算机辅助诊断领域的前沿热点，其核心在于利用丰富的临床元数据（如肿瘤分期、形态学特征）与病变分割掩码，推动多模态融合的深度学习模型发展。当前研究着重于构建患者级别的防泄漏数据划分策略，以提升模型在真实临床场景中的泛化能力，同时探索弱监督学习在少量标注（仅9.5%图像含分割）下的分割精度优化。该数据集的发布为膀胱癌的早期筛查、病灶精准定位及治疗随访提供了标准化基准，有望加速AI辅助内镜诊断系统的临床转化，对提升泌尿外科诊疗的智能化水平具有重要意义。