计算病理学注释提升乳腺癌空间转录组数据的分辨率与解读

数据集获取

源站：https://doi.org/10.48723/11m1-st78

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

该数据集中的样本与一项研究相关，该研究利用空间转录组数据和计算病理学来研究乳腺癌的瘤内异质性。该数据集包含来自3名患者的14个样本（一名三阴性乳腺癌患者和两名HER2阳性乳腺癌患者）。收集了肿瘤的多个区域进行分析。每个样本来自其中一名患者的一个肿瘤区域。空间转录组文库使用Visium空间基因表达试剂盒（10x genomics）制备。测序在瑞典索尔纳SciLifeLab的国家基因组基础设施平台上使用Illumina NovaSeq 6000进行。该数据集包含28个fastq文件，使用GNUzip（gzip）压缩，来自配对末端RNA测序（10X Visium空间转录组）。元数据在SND_metadata.xlsx文件中描述。提供了md5sum.txt文件用于验证数据完整性。该数据集的总大小约为300 GB。

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。