H11-M21.zip
From the dataset abstract
病理組織影像需由醫師進行標註，然而影像往往會隨著時間持續增加，實際上不容易一次將所有影像標註完成。因此本子計畫目標是開發出持續學習之方法，減少新增資料時需使用全部資料重新訓練 AI 模型之成本，並使得AI 模型能夠在保留舊有知識的情況下學習新的知識，以提供使用者影像分割結果做為參考資訊。
Source: H11-M21_持續性學習之影像分割模型整合(最終版)
Additional Information
| Field | Value |
|---|---|
| Data last updated | September 30, 2025 |
| Metadata last updated | September 30, 2025 |
| Created | September 30, 2025 |
| Format | application/zip |
| License | Other (Non-Commercial) |
| created | 2 months ago |
| format | ZIP |
| id | 482dae65-90e3-4fd5-83c4-9de42d374def |
| last modified | 2 months ago |
| md5 | 5cb974ce15367fe628422a7b7b5d66b3 |
| mimetype | application/zip |
| on same domain | True |
| package id | 1f25e756-8859-4125-aaca-2130c1823e06 |
| proxy url | https://scidm.nchc.org.tw/en/dataset/1f25e756-8859-4125-aaca-2130c1823e06/resource/482dae65-90e3-4fd5-83c4-9de42d374def/nchcproxy/H11-M21.zip |
| revision id | 3e97a7ef-67f6-46db-926b-56bec1542af6 |
| sha256 | 95694a451033c94ee53fd4f117b74bc274abb180a68769482fe5ef32ff3ba42d |
| size | 3.8 MiB |
| state | active |
| url type | upload |
推薦資料集：