TCGA WSI UNI2H 特征数据集
该数据集是一个计算病理学特征数据集，主要包含从TCGA多种癌症（如头颈鳞状细胞癌、膀胱癌）的全切片数字病理图像中，以256x256网格提取的tile级1536维UNI2-h嵌入特征，数据模态为图像特征向量，主要用于支持多实例学习、表征学习、弱监督学习及模型可解释性等非临床的癌症计算病理学研究。
基本信息
资源简介
TCGA WSI UNI2H 特征数据集
【数据集背景】
本数据集源站标题为《W8Yi/tcga-wsi-uni2h-features》。源站首次发布：2026-03-06。
【数据内容】
源站原始描述：# TCGA WSI UNI2H Features # Dataset Summary This dataset provides tile-level **UNI2-h** embeddings extracted from **TCGA** whole-slide images (WSIs) using a reproducible, auditable pipeline designed for computational pathology research. Data is organized by project (for example TCGA-HNSC) and currently exposes: - `features/` containing H5 feature files with tile-level embeddings - `vis/` containing overlay images for quality inspe…
【数据结构与技术规格】
文件数 899 个，合计 67.99 GB。
【主题与分类】
主题标签：task_categories:image-feature-extraction、language:en、license:other、size_categories:n<1K、format:imagefolder、modality:image、library:datasets、library:mlcroissant、region:us、pathology。
【获取与许可】
源站页面：https://huggingface.co/datasets/W8Yi/tcga-wsi-uni2h-features
使用许可：other。
【使用注意】
· 源站最后修改于 2026-03-25，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("W8Yi/tcga-wsi-uni2h-features")
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/W8Yi/tcga-wsi-uni2h-features
数据说明
TCGA WSI UNI2H Features数据集是一个用于计算病理学研究的特征数据集，它提供了从癌症基因组图谱（TCGA）项目的全切片图像（WSIs）中提取的tile级UNI2-h嵌入特征。该数据集采用可重复、可审计的流程生成，包含来自TCGA-ACC、TCGA-BLCA、TCGA-BLCA_IDC和TCGA-HNSC等多个癌症项目的数百个H5格式特征文件及对应的PNG覆盖图像。每个H5文件包含1536维的UNI2-h嵌入特征、tile坐标等信息，特征提取基于20x等效单位，采用256x256的非重叠网格，并经过组织过滤以确保质量。该数据集主要支持多实例学习、图像检索、表征学习、弱监督学习和模型可解释性等非临床研究，用户在使用时需遵守TCGA的数据使用条款和隐私规定。
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。
