A presente base de dados se refere a um conjunto de imagens microscópicas anotadas destinado ao desenvolvimento, treinamento e avaliação de modelos de aprendizado profundo (Deep Learning) aplicados à detecção e contagem automatizada de bacilos da tuberculose. A base de dados contém imagens padronizadas de lâminas de baciloscopia obtidas a partir de amostras clínicas processadas pela coloração de Ziehl-Neelsen, acompanhadas de anotações detalhadas realizadas por especialistas, incluindo informações espaciais das regiões contendo bacilos identificados. Os dados são organizados em arquivos estruturados, incluindo formatos contendo coordenadas das regiões de interesse, permitindo sua utilização em algoritmos de visão computacional e modelos de aprendizado de máquina. A solução foi desenvolvida para apoiar pesquisas e aplicações em diagnóstico assistido por computador, possibilitando o desenvolvimento de ferramentas capazes de automatizar parcial ou totalmente a identificação de bacilos em imagens microscópicas. Dessa forma, a base de dados contribui para a padronização de estudos computacionais em tuberculose, redução do tempo de análise microscópica e aprimoramento da precisão dos sistemas automatizados de diagnóstico.