摘要骨髓细胞分类数据集是一个专门用于血液学疾病诊断的医学图像数据集包含7,000张经过专家标注的白细胞显微图像涵盖白血病和淋巴瘤等血液系统恶性肿瘤。数据集概述骨髓细胞分类数据集是一个专门用于血液学疾病诊断的医学图像数据集包含7,000张经过专家标注的白细胞显微图像涵盖白血病和淋巴瘤等血液系统恶性肿瘤。该数据集由Matek等人创建并发布于癌症影像档案馆TCIA所有图像均经过血液学专家的精确标注。数据集将白细胞分为7个不同的类别原始细胞BLA、嗜酸性粒细胞EOS、淋巴细胞LYT、单核细胞MON、分叶核中性粒细胞NGS、无法识别细胞NIF和早幼粒细胞PMO。每个类别包含约1,000张图像为训练稳健的分类模型提供了均衡的数据分布特别适用于机器学习、深度学习以及生物医学分析任务。数据结构与关键特征该数据集采用标准的图像分类结构包含bone_marrow_cell_dataset文件夹和abbreviations.csv缩写对照表便于理解各类别的医学含义。其核心特征在于数据的专业性和平衡性——所有7,000张图像均由血液学专家进行精确标注确保了标签的临床准确性每个类别约1,000张图像的均衡分布避免了模型训练中的类别偏差问题。数据集中的细胞类型涵盖了从成熟细胞如分叶核中性粒细胞、淋巴细胞到未成熟前体细胞如原始细胞、早幼粒细胞的完整发育谱系特别包含了白血病患者常见的异常细胞形态。此外数据集还包含”无法识别”类别反映了实际临床诊断中的不确定性增强了模型的实用价值。应用价值与研究方向该数据集在血液病诊断、临床病理学和计算病理学领域具有重要的应用价值可用于开发自动化骨髓细胞分类系统辅助血液科医生进行白血病、淋巴瘤等血液系统恶性肿瘤的快速诊断和分型。在研究方向上该数据集支持多个前沿课题的探索包括深度学习在医学图像分类中的应用、迁移学习在小样本医学数据上的优化、注意力机制在细胞形态特征提取中的作用以及可解释性AI在临床决策支持中的实现。该数据集已被证明可用于训练高精度的深度神经网络模型在骨髓细胞形态学鉴别中达到专家级水准。此外该数据集还可用于研究类别不平衡问题的缓解策略、多模态学习结合细胞形态和临床数据以及联邦学习在保护患者隐私前提下的模型协作训练为智能医疗和精准诊断技术的发展提供坚实的数据支撑。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-303文件大小260M原创声明本数据集为整理作品