JacksonFischer_2020_乳腺癌单细胞病理数据集
主题标签：乳腺癌、单细胞病理、图像与掩膜、imcdatasets、Zürich队列、Basel队列。本数据集为肿瘤领域公开数据集，由Zenodo提供，主题涵盖乳腺癌。
基本信息
资源简介
JacksonFischer_2020_乳腺癌单细胞病理数据集
JacksonFischer_2020_BreastCancer 是一个面向肿瘤学与单细胞病理学研究的公开数据集，主题聚焦于乳腺癌的单细胞病理景观。该数据集由 Zenodo 提供，采用 Creative Commons Attribution 4.0 International 许可发布，发布时间标注为 2026 年。数据集以标准化格式组织，包含图像、掩膜以及 SingleCellExperiment 对象三类数据资源，并按照 Zürich 与 Basel 两个队列分别提供子集数据与完整数据，便于研究者在 R 环境中通过 imcdatasets 包直接加载与分析。该数据集适用于乳腺癌单细胞层面的病理图像研究，为相关方法开发与结果复现提供数据基础。
【数据集背景】
该数据集对应 Jackson、Fischer 等人的研究工作《The single-cell pathology landscape of breast cancer》，相关成果的 DOI 为 https://doi.org/10.1016/j.cmet.2018.11.014。数据集的设计目标是将该研究产生的图像、掩膜与 SingleCellExperiment 对象以标准化格式引入 R 分析环境，其配套工具为 imcdatasets 包（项目地址 https://github.com/BodenmillerGroup/imcdatasets）。数据集在组织上区分了 Zürich 与 Basel 两个队列，这一队列划分贯穿于图像、掩膜与单细胞实验对象等各类数据资源之中。数据集英文名称为 JacksonFischer_2020_BreastCancer Data for imcdatasets，本站分类归入肿瘤 / 乳腺癌方向，来源站为 doi.org。
【数据内容】
数据集包含三类核心数据。第一类为图像数据，提供两个子集：images_zurich.rds 与 images_basel.rds。第二类为掩膜数据，除两个子集 masks_zurich.rds 与 masks_basel.rds 外，还提供完整数据 masks_full.rds。第三类为 SingleCellExperiment 对象，同样包含两个子集 sce_zurich.rds 与 sce_basel.rds，并提供完整数据 sce_full.rds。上述文件均以 .rds 格式组织，便于在 R 中直接读取。数据在子集层面按 Zürich 与 Basel 队列拆分，在完整数据层面则提供合并后的整体版本，使用者可根据分析需要选择队列级子集或完整数据。
【采集与来源】
数据集的来源站为 doi.org，源站描述中给出了该数据所对应 publication 的标题、作者与 DOI 信息，并说明与该 publication 相关的其他数据在 publication 中提供链接。数据集由 Zenodo 提供，作者标注为 Steenbuck, Nathan，机构为 Zenodo，发布时间为 2026 年。数据在队列层面划分为 Zürich 与 Basel 两部分。关于样本采集的具体流程、成像设备参数、伦理审批信息以及各队列的样本量等细节，源站未提供。
【适用场景】
该数据集面向乳腺癌单细胞病理研究，可用于加载与探索研究中的图像、掩膜及 SingleCellExperiment 对象。由于数据以标准化格式通过 imcdatasets 包提供，适合在 R 环境中开展单细胞层面的病理数据分析、图像与掩膜对应关系的检查，以及基于 SingleCellExperiment 的下游分析。按 Zürich 与 Basel 队列拆分的子集结构，也便于开展队列层面的比较性分析或分队列验证。关于该数据集在具体任务（如细胞分割精度评估、分类模型训练等）中的适用性结论，源站未提供。
【使用方法】
在 R 环境中使用 imcdatasets 包（版本 v2）提供的 JacksonFischer_2020_BreastCancer 函数，可将该研究的图像、掩膜与 SingleCellExperiment 对象以标准化格式加载。使用者可依据需要选择 Zürich 或 Basel 队列的子集文件，或使用完整数据文件。图像子集对应 images_zurich.rds 与 images_basel.rds，掩膜子集对应 masks_zurich.rds 与 masks_basel.rds，完整掩膜为 masks_full.rds；单细胞实验对象子集对应 sce_zurich.rds 与 sce_basel.rds，完整数据为 sce_full.rds。关于函数的具体参数设置与返回值结构，源站未提供。
【质量与限制】
数据集按队列提供子集与完整两种粒度，文件命名清晰，便于区分数据范围。许可为 Creative Commons Attribution 4.0 International，允许在署名条件下使用。关于数据质量评估指标、缺失情况、批次效应、队列间可比性以及已知技术限制等信息，源站未提供。
【引用与许可】
使用该数据集时应引用 Jackson、Fischer 等人的研究工作，其 DOI 为 https://doi.org/10.1016/j.cmet.2018.11.014，并可通过 imcdatasets 项目（https://github.com/BodenmillerGroup/imcdatasets）获取加载工具。数据集本身采用 Creative Commons Attribution 4.0 International 许可，使用时需遵循该许可的署名要求。数据集的作者标注为 Steenbuck, Nathan，由 Zenodo 提供，发布时间为 2026 年。关于具体引用格式与署名细节，源站未提供。
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
源站：https://doi.org/10.5281/zenodo.20621983
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据集大小约 4.58 GB。
数据说明
标题：乳腺癌的单细胞病理学景观 作者：Jackson, Fischer等 DOI：https://doi.org/10.1016/j.cmet.2018.11.014 功能：使用imcdatasets包（https://github.com/BodenmillerGroup/imcdatasets）将Jackson, Fischer等人的图像、掩膜和SingleCellExperiment对象以标准化格式加载到R中。数据分为Zürich和Basel两个队列。与该出版物相关的其他数据在出版物中链接。imcdatasets函数：JacksonFischer_2020_BreastCancer() imcdatasets版本：v2 数据：图像：子集：images_zurich.rds 子集：images_basel.rds 掩膜：子集：masks_zurich.rds 子集：masks_basel.rds 完整数据：masks_full.rds SingleCellExperiment对象：子集：sce_zurich.rds 子集：sce_basel.rds 完整数据：sce_full.rds
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。
