固定面积预算下匹配输入基准中的组织病理学表征与区域选择
该数据集来自 Science Data Bank，聚焦肿瘤与癌症总论方向，围绕固定面积预算下的组织病理学图像表征与区域选择展开
基本信息
资源简介
固定面积预算下匹配输入基准中的组织病理学表征与区域选择
Histopathology representations and region selection under fixed area budgets in a matched input benchmark
该数据集来自 Science Data Bank，聚焦肿瘤与癌症总论方向，围绕固定面积预算下的组织病理学图像表征与区域选择展开。数据包含 33 张源切片、13267 个候选区域及 660 个策略预算场景，涉及十种匹配的 RGB224 描述符与冻结预训练病理编码器 UNI 的对比，并采用加权主成分分析与岭回归。可用于评估不同图像表征和选择规则在类别平衡标注质量覆盖率上的表现，支持计算基准测试与感兴趣区域选择方法研究（来源 DOI 解析，restricted access 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：组织学引导的区域选择取决于图像表征和选择规则。我们比较了十种匹配的 RGB224 描述符与 UNI（一种冻结的预训练病理编码器），随后进行仅训练集加权主成分分析和岭回归。两个分支使用相同的图像输入、候选区域和全图像面积允许量。按预测的单位面积效用排序打包前 k 个区域；设施选择还奖励代表性区域。来自八个作者定义患者组的十一个开发视野进行了嵌套验证。33 张源切片的模型和仅图像选择在注释解码前已固定。主要终点是在 10% 全图像面积允许量下的类别平衡注释质量覆盖率。结果：所有 33 个计划来源均可评估，提供 13267 个候选区域和 660 个策略预算场景。UNI 前 k 个增加
【主题与分类】
主题标签：Clinical medicine、spatial transcriptomics、histology、region of interest selection、foundation model、computational benchmarking。本站分类：肿瘤/癌症（总论）。
【获取与许可】
源站页面：https://www.scidb.cn/detail?dataSetId=aca7e8c88653489596ece00be918b142
使用许可：restricted access。
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/10.57760/sciencedb.015c2
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:
数据说明
背景：组织学引导的区域选择取决于图像表示和选择规则。我们将十种匹配的RGB224描述符与UNI（一种冻结的预训练病理编码器）进行比较，随后进行仅训练集的加权主成分分析和岭回归。两个分支均使用相同的图像输入、候选区域和全图像面积配额。Top-k按预测的单位面积效用顺序打包区域；设施选择还奖励代表性区域。来自八个作者定义患者组的十一个开发视野接受了嵌套验证。33张源切片的模型和仅图像选择在注释解码前已固定。主要终点是在10%全图像面积配额下的类平衡注释质量覆盖率。结果：所有33个计划来源均可评估，提供了13267个候选区域和660个策略-预算场景。UNI top-k将平均覆盖率从22.714%提高到29.058%。平均配对增益为+6.344个百分点，描述性95%源切片自助法区间为[2.717, 10.517]（基于2000次重采样）；中位增益为+3.460个百分点。
22个来源有所改善，11个来源下降；最差降幅为−16.440分。在UNI内部，设施减顶级k差异的均值为+0.201分，相应的均值差区间为[−0.626, 1.113]，14个来源为正，19个来源为负。项目内单独的计算检查发现了一个坐标序列化异常。结论：指定的UNI流程提高了平均注释捕获量，而设施选择未显示出持续优势。稀疏阳性类别可能对等类别终点产生强烈影响。患者独立性、个体预训练重叠和物理图像尺度仍未经验证。未评估前瞻性检测或临床效果。
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。
