计算病理学鉴别乳腺良性导管内增生与恶性病变

数据集获取

源站：https://search.dataone.org/view/sha256%3A8806aac749f01f79dba8b4d07bac32d95243810ce19f8d3ad87bccfe61e00b31

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

基于组织病理学切片的常规光学显微镜检查对乳腺导管内增生性病变进行分类，在许多情况下具有挑战性，即使对经验丰富的病理学家也是如此。开发辅助病理学家表征这些病变的计算工具将具有重要的诊断和临床价值。作为解决这一问题的第一步，我们评估了计算图像分析准确分类DCIS和UDH以及在DCIS内进行核级分层的能力。利用来自马萨诸塞州总医院（MGH）的116例诊断为DCIS或UDH的乳腺活检样本，我们开发了一种计算方法，提取392个特征，这些特征对应于8个颜色通道中细胞核大小和形状、强度和纹理的均值和标准差。我们使用L1正则化逻辑回归构建分类模型，以区分DCIS与UDH。表现最佳的模型包含22个活跃特征，在MGH数据集的交叉验证中达到了0.95的AUC。

我们将该模型应用于一个外部验证集，该验证集包含来自贝斯以色列女执事医疗中心的51例诊断为DCIS或UDH的乳腺活检样本，模型达到了0.86的AUC。表现最佳的模型包含了来自所有色彩空间以及三类特征（形态学、强度和纹理）的活跃特征，表明每一类特征对预测均具有价值。我们构建了用于对DCIS内部分级进行分层的模型，在区分低核级与高核级DCIS方面获得了较强的性能（交叉验证中AUC = 0.98），而在区分低核级与中核级以及中核级与高核级DCIS方面仅获得中等性能（AUC分别为0.83和0.69）。这些数据表明，计算病理学模型能够稳健地区分乳腺良性与非恶性导管内增殖性病变，并可能有助于病理学家的诊断和分类。

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。