肺组织图像分类与肺癌图像分类数据集

本数据集包含肺腺癌、良性肺组织与肺鳞状细胞癌图像，通过深度学习训练，模型自动提取特征并输出分类标签与置信度，为临床提供辅助诊断，推动肺癌智能诊断与早期筛查。

数据集概览

数据图像：

图1 样本图像

数据类型：

表1 数据类型与格式

数据规模：
（1）数据集划分饼图

图2 数据集划分饼图

数据集类别

表3 类别定义

数据集来源

表4 数据集来源与说明

数据集用途

本数据集用于肺腺癌、良性肺组织与肺鳞状细胞癌图像的分类模型训练与验证，包含三类样本：肺腺癌（Lung Adenocarcinoma）、良性肺组织（Benign Lung Tissue）和肺鳞状细胞癌（Lung Squamous Cell Carcinoma）。可应用于以下研究与开发方向：
（1）模型训练：支持基于深度学习的图像分类模型（如ResNet50、VGG16、Swin Transformer）进行肺腺癌、良性肺组织与肺鳞状细胞癌图像特征学习。
（2）性能评估：用于测试模型在肺腺癌、良性肺组织与肺鳞状细胞癌分类任务中的准确率、召回率、F1值等指标。
（3）特征分析：研究肺腺癌、良性肺组织与肺鳞状细胞癌在结构、纹理与细胞形态等方面的差异。
（4）系统开发：为肺癌智能诊断系统、医学影像辅助诊断平台及筛查系统提供数据支持。

数据集须知

（1）数据来源：基于公开的肺腺癌、良性肺组织与肺鳞状细胞癌图像数据集，仅限科研与教学用途。
（2）数据结构：包含训练集与测试集，分为三类样本（肺腺癌、良性肺组织、肺鳞状细胞癌）。
（3）文件格式：图像文件为.jpg格式（按类别文件夹组织），文件命名与类别标签严格对应。
（4）使用要求：需遵守医学影像数据隐私与伦理保护相关规定，引用时须注明数据来源。
（5）适用范围：适用于肺腺癌、良性肺组织与肺鳞状细胞癌的图像识别、分类、特征提取及智能诊断系统研

数据集性能

训练与验证准确率和损失曲线：

图3 训练与验证准确率和损失曲线线

训练与验证曲线显示，模型准确率快速接近 100%，并在训练过程中收敛迅速，验证集表现与训练集相似，未出现过拟合，具有良好的泛化能力。训练损失快速下降并保持低水平，验证损失约为 0.01 以下，表明模型在未知数据上也表现优秀。

混淆矩阵热力图：

图4 混淆矩阵热力图

混淆矩阵图显示，模型在所有类别上的预测均为 1.0，对角线元素无误，表明每个类别的预测完全准确。肺腺癌、良性肺组织和肺鳞状细胞癌的样本都被正确分类，进一步证明了模型的高精度和鲁棒性，几乎没有分类错误。

各类的分类性能评估：准确率、精确率、召回率与F1分数图

图5 各类的分类性能评估：准确率、精确率、召回率与F1分数图

分类性能指标图显示，模型在每个类别上的表现非常优秀，整体准确率达到100%。各类别的精确率、召回率和F1-score均为1.00，表明模型对肺腺癌、良性肺组织和肺鳞状细胞癌的预测完全准确，没有假阳性或假阴性，能够有效地区分各类病理图像。