الدافع: في السنوات الأخيرة، أصبحت الاختبارات البيولوجية القائمة على الصور عالية الإنتاجية بشكل تدريجي، مما أثار الحاجة إلى طرق آلية سريعة لاستخراج المعلومات ذات الصلة البيولوجية من مئات الآلاف من الصور. مستوحين النجاح الذي حققته ImageNet، قمنا بجمع CytoImageNet، وهو مجموعة بيانات كبيرة الحجم تتضمن صور مجهرية مفتوحة المصدر ومصنفة بشكل ضعيف (890 ألف صورة، 894 فئة). ينتج عن التدريب المسبق على CytoImageNet خصائص تنافس خصائص ImageNet في مهام التصنيف المجهرية اللاحقة. نقدم أدلة على أن خصائص CytoImageNet تلتقط معلومات غير متاحة في الخصائص التي تم تدريبها على ImageNet. يمكن الوصول إلى المجموعة البيانات من خلال الرابط https://www.kaggle.com/stanleyhua/cytoimagenet.