TCGA空间注释数据集
TCGA-Spatial数据集是一个包含肾细胞癌、肺癌和胃癌三种癌症类型的数字病理图像空间注释数据集，数据模态包括像素级PNG掩码文件和补丁级CSV标注文件，主要用于支持癌症病理图像的计算分析，如肿瘤区域自动分割、癌症亚型细粒度分类以及肿瘤微环境的空间异质性研究，为基于人工智能的癌症诊断和预后模型开发提供关键标注数据。
基本信息
资源简介
TCGA空间注释数据集
【数据集背景】
本数据集源站标题为《zeyugao/TCGA-Spatial》。源站首次发布：2024-05-14。
【数据内容】
源站原始描述：**Pixel Annotations of TCGA-RCC and TCGA-LU**: are saved as PNG files, the region marked by white/red/green is the cancer region, and marked by blue is the abandoned region, which also can be regarded as background. The PNG file name is the case_id of each WSI. Match the original TCGA name with dataset_csv files in our GitHub repo Each annotation mask''''s size equals level 3 of the corresponding WSI. **Patch Annotations of TCGA-STAD**: are saved as CSV files, each raw indicates a patch with cor…
【数据结构与技术规格】
文件数 3 个，合计 14.91 MB。
【主题与分类】
主题标签：license:cc-by-4.0、size_categories:n<1K、format:imagefolder、modality:image、library:datasets、library:mlcroissant、region:us。
【获取与许可】
源站页面：https://huggingface.co/datasets/zeyugao/TCGA-Spatial
使用许可：cc-by-4.0。
【使用注意】
· 源站最后修改于 2024-05-15，引用时请注意版本时效。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取与加载（Hugging Face datasets）
# 前置依赖: pip install datasets
from datasets import load_dataset
ds = load_dataset("zeyugao/TCGA-Spatial")
print(ds) # 查看 splits 与字段结构
# 国内网络可先设镜像: import os; os.environ["HF_ENDPOINT"]="https://hf-mirror.com"
git lfs install && git clone https://hf-mirror.com/datasets/zeyugao/TCGA-Spatial
数据说明
TCGA-Spatial 是一个基于TCGA（癌症基因组图谱）的衍生数据集，提供了针对TCGA-RCC（肾细胞癌）、TCGA-LU（肺癌）和TCGA-STAD（胃癌）三种癌症类型的空间注释数据。数据集包含两种形式的注释：对于RCC和LU数据，以PNG格式的像素级掩码文件形式提供，其中使用白色/红色/绿色标记癌症区域，蓝色标记背景或废弃区域；对于STAD数据，则以CSV格式提供补丁级注释，每行包含补丁的坐标、尺寸和标签信息。所有注释文件均与原始TCGA全切片数字病理图像（WSI）通过case_id进行关联。该数据集主要用于癌症病理图像的计算分析，支持如肿瘤区域分割、亚型分类、空间异质性研究等方向，为开发基于人工智能的癌症诊断和预后模型提供高质量的标注数据。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
