基于深度学习的导管原位癌免疫微生态揭示数据集
该数据集包含导管原位癌（DCIS）及其邻近浸润性癌样本的免疫组化（IHC）和H&E染色图像模态数据，提供全匿名化图像切片、病理标注及处理代码，主要用于通过深度学习流程分析DCIS的组织空间结构和肿瘤微环境，支持癌症病理图像分析、肿瘤微生态特征提取及计算病理学等领域的研究。
基本信息
资源简介
基于深度学习的导管原位癌免疫微生态揭示数据集
【数据集背景】
本数据集源站标题为《Metadata record for the manuscript: Unmasking the immune microecology of ductal carcinoma in situ with deep learning》。配套论文《Unmasking the immune microecology of ductal carcinoma in situ with deep learning》发表于 npj Breast Cancer（2021），DOI：10.1038/s41523-020-00205-5。项目资助方：Co-evolution of the tumour microenvironment and cancer resistance to endocrine therapy。源站首次发布：2020-11-02。
【数据内容】
源站原始描述：Summary This metadata record provides details of the data supporting the claims of the related manuscript: “Unmasking the immune microecology of ductal carcinoma in situ with deep learning”. The data consist of immunohistochemistry (IHC) haematoxylin and eosin (H&E) staining images of grade 2-3 pure ductal carcinoma in situ (DCIS) and DCIS adjacent to invasive cancer (adjacent DCIS) samples. The related study aimed to characterise tissue spatial architecture and the microenvironment of DCIS via…
主表 Ext_validData_DCIS_DAVE_Fig4_data.csv 含 5 列、样本前 9 行结构完整。
主表 Ext_validData_DCIS_DAVE_Fig6_data.csv 含 5 列、样本前 93 行结构完整。
【数据结构与技术规格】
文件数 3 个，合计 12.89 KB。Ext_validData_DCIS_DAVE_Fig4_data.csv：text/plain，294 B。Ext_validData_DCIS_DAVE_Fig6_data.csv：text/plain，3.59 KB。Figure 8 image details.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，9.00 KB。数据集 DOI：10.6084/m9.figshare.13007954.v1。
【主题与分类】
源站学科分类：Biological Sciences not elsewhere classified、Cancer。主题标签：cancer microenvironment、cancer imaging、breast cancer、ductal carcinoma in situ、DCIS、deep learning。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。结构化表格数据可直接用于统计建模、特征工程与队列分析。源站学科分类标注为 Biological Sciences not elsewhere classified、Cancer。
【获取与许可】
源站页面：https://springernature.figshare.com/articles/dataset/Metadata_record_for_the_manuscript_Unmasking_the_immune_microecology_of_ductal_carcinoma_in_situ_with_deep_learning/13007954
使用许可：CC0（https://creativecommons.org/publicdomain/zero/1.0/）。
规范引用：Narayanan, Priya Lakshmi; Raza, Shan E Ahmed; Hall, Allison H.; Marks, Jeffrey R.; King, Lorraine; West, Robert B.; et al. (2020). Metadata record for the manuscript: Unmasking the immune microecology of ductal carcinoma in situ with deep learning. figshare. Dataset
【使用注意】
· 源站最后修改于 2023-06-02，引用时请注意版本时效。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集为支持相关研究论文“基于深度学习的导管原位癌免疫微生态揭示”而构建的医学图像数据集，主要包含2-3级纯导管原位癌（DCIS）及邻近浸润性癌的导管原位癌（adjacent DCIS）样本的免疫组化（IHC）和苏木精-伊红（H&E）染色图像。数据以全匿名化原始图像切片和病理标注二进制标记形式提供，并附有用于组织分割的Python代码。该数据集旨在通过开发新的深度学习流程，表征DCIS的组织空间结构和肿瘤微环境，支持癌症病理图像分析、肿瘤微环境特征提取及计算病理学方向的研究。数据可通过GitHub公开获取，部分样本需经授权访问。
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。
