TIGER
TIGER是H & E乳腺癌载玻片中肿瘤浸润淋巴细胞 (til) 全自动评估的第一个挑战。它由奈梅亨 (荷兰) 的拉德布德大学医学中心 (Radboudumc) 的诊断图像分析小组 (DIAG) 与国际免疫肿瘤学生物标…
基本信息
资源简介
TIGER
【一句话概览】
TIGER是首个针对H&E乳腺癌载玻片中肿瘤浸润淋巴细胞全自动评估的挑战，由荷兰奈梅亨拉德布德大学医学中心诊断图像分析小组与国际免疫肿瘤学生物标志物工作组合作组织。该挑战旨在评估新计算机算法，以自动评估Her2阳性和三阴性乳腺癌组织病理学载玻片中的肿瘤浸润淋巴细胞。近年研究显示，视觉评分的TILs在乳腺癌及其他癌症中具有预测和预后价值，使其成为可用于临床的强大生物标志物。TIGER旨在开发能自动生成高预后价值“TIL分数”的计算机算法（来源 opendatalab.org.cn）。
【数据内容】
源站原始描述：TIGER是H & E乳腺癌载玻片中肿瘤浸润淋巴细胞 (til) 全自动评估的第一个挑战。它由奈梅亨 (荷兰) 的拉德布德大学医学中心 (Radboudumc) 的诊断图像分析小组 (DIAG) 与国际免疫肿瘤学生物标志物工作组 (www.tilsinbreastcancer.org) 密切合作组织。 这项挑战的目的是评估新的计算机算法，以自动评估Her2阳性和三阴性乳腺癌 (BC) 组织病理学载玻片中的肿瘤浸润淋巴细胞 (til)。近年来，一些研究表明，视觉评分的TILs在BC以及其他癌症类型中的预测和预后价值，使TILs成为可以在临床上使用的强大生物标志物。通过TIGER，我们旨在开发可以自动生成具有高预后价值的 “TIL分数” 的计算机算法。
中文译文（机器翻译，仅供快速理解，请以原文为准）：TIGER是H & E乳腺癌载玻片中肿瘤浸润淋巴细胞 (til) 全自动评估的第一个挑战。它由奈梅亨 (荷兰) 的拉德布德大学医学中心 (Radboudumc) 的诊断图像分析小组 (DIAG) 与国际免疫肿瘤学生物标志物工作组 (www.tilsinbreastcancer.org) 密切合作组织。 这项挑战的目的是评估新的计算机算法，以自动评估Her2阳性和三阴性乳腺癌 (BC) 组织病理学载玻片中的肿瘤浸润淋巴细胞 (til)。近年来，一些研究表明，视觉评分的TILs在BC以及其他癌症类型中的预测和预后价值，使TILs成为可以在临床上使用的强大生物标志物。通过TIGER，我们旨在开发可以自动生成具有高预后价值的 “TIL分数” 的计算机算法。
【主题与分类】
主题标签：乳腺癌、肿瘤浸润淋巴细胞、组织病理学、H&E、全切片图像、Her2阳性、三阴性乳腺癌。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://opendatalab.org.cn/OpenDataLab/TIGER
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。
需登录公开下载
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。
暂未开放有偿下载
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://opendatalab.org.cn/OpenDataLab/TIGER
标准获取流程：
- 访问源站链接，注册/登录账号（该平台要求数据下载前实名认证）；
- 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 106.32 GB。
数据说明
TIGER是首个致力于H&E染色乳腺癌组织病理切片中肿瘤浸润淋巴细胞（TILs）全自动评估的挑战数据集。由荷兰拉德布德大学医学中心诊断图像分析小组与国际免疫肿瘤学生物标志物工作组合作组织，旨在评估计算机算法对HER2阳性和三阴性乳腺癌中TILs的自动评分能力。数据包含组织病理学图像，任务为TILs评分，用于预测和预后评估。
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。
