BC-MultiSet：浸润性乳腺癌细胞核分割、分类与受体状态预测多任务数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.20717566

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 部分平台提供 SDK，例如：
   • OpenDataLab: pip install openxlab 后 openxlab.dataset.get(...)
   • ModelScope: pip install modelscope 后 modelscope download
   • 天池: 登录后页面提供直链下载
     以源站「数据下载/使用文档」页面为准。

数据说明

BC-MultiSet是一个用于浸润性乳腺癌的多任务组织病理学数据集，包含5,586个H&E染色图像块（256 × 256像素，40倍放大），来源于50例患者的全切片图像。每个图像块均包含针对三类细胞（肿瘤细胞、成纤维细胞和炎症细胞（淋巴细胞、浆细胞、巨噬细胞、肥大细胞、中性粒细胞、嗜酸性粒细胞））的逐细胞核多边形标注，由两名经委员会认证的病理学家独立标注并经共识协调，共计109,180个标注细胞核。每位患者还进一步具有临床和分子数据特征，包括ER、PR和HER2状态（原始值和二值化值）、分子亚型（Luminal与非Luminal）、淋巴结受累情况、Ki67增殖指数、肿瘤浸润淋巴细胞（TILs）密度、肿瘤分级和年龄。数据被组织为四个交叉验证折，每折包含图像、细胞核标注文件（.npy）和一个types.csv元数据文件，并附有预计算的类别权重和一份患者级临床电子表格。BC-MultiSet支持开发多任务模型，将细胞核级形态与乳腺癌患者级分子和受体状态预测相关联。

数据集结构 BC-MultiSet-50
├── fold1
│ ├── images/ 1,500 个图像块，256 × 256 像素（.png）
│ ├── labels/ 1,500 个细胞核标注文件（.npy）——肿瘤、炎症、成纤维细胞
│ └── types.csv
├── fold2
│ ├── images/ 1,386 个图像块，256 × 256 像素（.png）
│ ├── labels/ 1,386 个细胞核标注文件（.npy）——肿瘤、炎症、成纤维细胞
│ └── types.csv
├── fold3
│ ├── images/ 1,554 个图像块，256 × 256 像素（.png）
│ ├── labels/ 1,554 个细胞核标注文件（.npy）——肿瘤、炎症、成纤维细胞
│ └── types.csv
├── fold4
│ ├── images/ 1,151 个图像块，256 × 256 像素（.png）
│ ├── labels/ 1,151 个细胞核标注文件（.npy）——肿瘤、炎症、成纤维细胞
│ └── types.csv
├── class_weights.txt
└── BC-MultiSet.xlsx
每个 labels/*.npy 文件存储对应图像的逐细胞核多边形标注

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。