肝脏病理病变检测数据集 | 4000张 YOLO 数字病理数据集
适用于数字病理辅助诊断、肝毒性评估与目标检测研究
一、数据集概述
本数据集来源于Roboflow-100医学影像基准，共包含约4000张高质量标注图像，覆盖4类典型肝脏病理病变，专为肝脏病理切片中四类典型病变的检测与量化模型训练、验证与测试设计。非酒精性脂肪性肝病的病理诊断需要病理医师在显微镜下逐视野评估肝细胞气球样变、纤维化、炎症浸润与脂肪变性等指标，并据此完成NAS评分与分期。该过程耗时长、主观差异大。基于数字病理切片的自动化病变检测能够为病理科提供量化、可复现的辅助评估手段。该数据集可广泛应用于数字病理辅助诊断、病理科研、药物研发中的肝毒性评估、医学 AI算法 研究等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。
随着数字病理学和 人工智能 技术的快速发展，利用计算机视觉技术实现肝脏病理病变的自动检测已成为提升病理诊断效率、减少主观差异的重要手段。本数据集针对数字病理图像中病变形态多样、目标密集、尺度小等问题进行专项构建，可为数字病理智能辅助诊断系统提供高质量数据支撑。
数据集下载
通过网盘分享的文件：肝脏病理病变检测数据集-4类
链接: https://pan.baidu.com/s/1PTP7Na2OJ4F3i9wJ9OO1Kg?pwd=titm
提取码: titm
二、数据集基本信息
| 项目 | 内容 |
|---|---|
| 数据集名称 | 肝脏病理病变检测数据集 |
| 数据规模 | 约4000张高质量标注图像 |
| 任务类型 | 目标检测（Object Detection） |
| 检测目标 | 4类肝脏病理病变 |
| 类别数量（nc） | 4类 |
| 标注方式 | Bounding Box目标框标注 |
| 数据格式 | YOLO标准格式 |
| 数据来源 | Roboflow-100医学影像基准 |
| 数据划分 | Train / Valid / Test |
| 适配模型 | YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等 |
三、数据集类别说明
本数据集为多类别目标检测数据集，共设置4个检测类别，对应肝脏病理NAS评分体系中的核心观察指标——肝细胞气球样变、纤维化、炎症和脂肪变性，类别划分贴合肝脏病理诊断标准。
类别配置
nc: 4
names:
- ballooning
- fibrosis
- inflammation
- steatosis
类别详情
| 类别ID | 类别名称 | 英文名称 | NAS评分相关 | 类别说明 |
|---|---|---|---|---|
| 0 | 肝细胞气球样变 | ballooning | 0-2分 | 肝细胞肿胀、变圆、胞浆疏松，是脂肪性肝炎的关键特征 |
| 1 | 纤维化 | fibrosis | 分期0-4 | 肝组织内胶原纤维异常沉积，反映疾病进展程度 |
| 2 | 炎症 | inflammation | 0-3分 | 肝组织内的炎性细胞浸润，反映炎症活动度 |
| 3 | 脂肪变性 | steatosis | 0-3分 | 肝细胞内脂质异常蓄积，是脂肪肝的核心表现 |
四类设计完整覆盖非酒精性脂肪性肝病NAS评分体系中的三个主要组织学指标（气球样变、炎症、脂肪变性）及纤维化分期指标：
- NAS评分指标：肝细胞气球样变（0-2分）、炎症（0-3分）、脂肪变性（0-3分）——三项合计构成NAS总分
- 纤维化分期：纤维化（分期0-4）——独立于NAS评分的疾病进展指标
该类别体系可直接支撑自动化NAS评分的辅助计算与纤维化评估。
四、数据集结构说明
数据集采用标准YOLO目录结构组织，已按训练集、验证集、测试集进行科学划分，结构清晰，便于直接接入主流检测框架。
肝脏病理病变检测数据集-4类/
├── train
│ ├── images
│ └── labels
├── valid
│ ├── images
│ └── labels
├── test
│ ├── images
│ └── labels
└── data.yaml
各数据集作用如下：
- train/images & labels：训练集图像与标签，用于模型参数学习与特征提取；
- valid/images & labels：验证集图像与标签，用于超参数调优、早停监控及防止过拟合；
- test/images & labels：测试集图像与标签，用于最终模型性能评估与泛化能力测试。
标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套data.yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。
五、数据集核心优势
1. 专注肝脏数字病理辅助诊断
本数据集以肝脏病理切片中典型病变检测为核心任务，所有图像聚焦于数字病理视野下的肝脏组织学图像，覆盖NAS评分体系中的核心指标。类别设计贴合肝脏病理诊断实际需求，更利于训练出针对肝脏病变的高精度检测模型。
覆盖病变类型包括：
- 肝细胞气球样变：脂肪性肝炎的关键病理特征
- 纤维化：疾病进展的核心评估指标
- 炎症：炎症活动度的量化依据
- 脂肪变性：脂肪肝的基础病理表现
完整支持脂肪肝病理评估的主要指标。
2. 贴近真实数字病理应用
显微镜下的高倍数字病理视野图像，特点：
- 病变形态多样：同一种病变在不同程度、不同视野下的表现差异显著
- 目标密集：同一视野内常同时存在多类病变，属于典型的密集多类别检测任务
- 目标尺度小：病变区域在图像中尺度较小，对小目标检测能力要求高
- 统一预处理：图像统一预处理为640分辨率，便于模型训练与推理
与真实数字病理阅片环境高度一致。
3. 规范的专业标注
由具备病理知识的标注人员完成标注：
- 病变区域框准确定位
- 四类病变类别界定遵循病理学标准
- 标注标准统一、规范
- 可支撑自动化NAS评分辅助计算
有效保证模型训练质量。
4. 基于权威医学影像基准
数据集来源于Roboflow-100医学影像基准，该基准包含经过筛选的医学图像数据集。Roboflow-100是Roboflow平台在众多医学影像数据中精心筛选的高质量数据集集合，确保了数据集的权威性与规范性和多样性。
5. 密集多类别检测任务特点
典型任务特点：
- 密集目标：显微镜视野中病变区域多、分布密集
- 多类共存：同一视野内同时存在多种病变类型
- 尺度小：病变区域在图像分辨率下占比小
- 挑战性强：适合作为医学图像密集小目标检测算法研究的基准数据
6. 即用型数据组织
标准目录结构+精简data.yaml配置，无需病理切片格式转换，可直接用于模型训练，降低使用门槛。
7. 临床转化价值
本数据集旨在推动数字病理AI辅助诊断系统的开发，助力：
- 减轻病理医师工作负担
- 提供量化、可复现的辅助评估结果
- 减少病理诊断的主观差异
- 推动病理诊断的标准化与数字化进程
六、适用场景
数字病理切片自动化病变检测与量化
为数字病理AI辅助诊断系统提供四类病变的自动检测与量化分析能力，辅助病理医师快速获取定量评估结果。
脂肪肝病理评分辅助计算
基于四类病变的检测结果，辅助自动化NAS评分计算与纤维化分期评估，提高评分效率与一致性。
药物研发中的肝毒性病理评估
在药物临床前安全性评价中，自动化检测肝脏组织的病理变化，辅助肝毒性评估。
病理教学与规范化培训
用于病理住院医师规范化培训，帮助学员识别与区分肝脏常见病理病变。
医学AI算法研究
作为医学图像密集小目标检测的基准数据集，推动 计算机视觉 在数字病理领域的算法研究。
教学科研
用于医学图像目标检测研究、数字病理AI算法开发等科研场景。
说明：本数据集仅供算法研究与教学使用，不可直接用于临床诊断。
七、适用研究方向
本数据集可广泛应用于以下研究领域：
- 数字病理图像目标检测研究
- 医学密集小目标检测研究
- 多类别密集目标检测研究（4类）
- NAS评分自动化辅助计算研究
- 脂肪肝病理AI诊断研究
- 计算机辅助病理诊断研究
- YOLO系列模型优化研究
- 轻量化检测模型与边缘部署研究
- 域适应与跨机构泛化研究
- 药物肝毒性病理AI评估研究
八、总结
肝脏病理病变检测数据集包含约4000张高质量标注图像，采用标准YOLO格式构建，专注于肝脏病理切片中典型病变的检测与量化任务。数据集覆盖肝细胞气球样变、纤维化、炎症、脂肪变性4类核心病变，完整对应NAS评分体系中的关键指标，具有专业病理标注、密集多类别共存、病变尺度小等特点，可广泛应用于数字病理辅助诊断、脂肪肝病理评分计算、药物肝毒性评估、病理教学等领域，是开展数字病理AI算法研发与智能辅助诊断系统建设的优质数据资源。
