计算纹理映射协调采样变异并揭示多维组织病理指纹的训练数据

数据集获取

源站：https://doi.org/10.5281/zenodo.6528598

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。

数据集大小约 10.10 GB。

数据说明

如果您使用了其中任何一项工作，请同时引用Brummer O等人(1)的出版物以及TCGA Research Network(2)：(1) Brummer, O., Pölönen, P., Mustjoki, S. et al. Computational textural mapping harmonises sampling variation and reveals multidimensional histopathological fingerprints. Br J Cancer 129, 683–695 (2023). https://doi.org/10.1038/s41416-023-02329-4 (2) 此处展示的结果全部或部分基于TCGA Research Network生成的数据：https://www.cancer.gov/tcga。有两个ZIP文件，其中包含小型组织学图像切片，这些切片已用于从癌症基因组图谱(TCGA)图像档案和赫尔辛基数据集的H&E染色透明细胞肾细胞癌(KIRC)数字组织切片中检测和量化不同的组织纹理及淋巴细胞比例。

tissue_classification文件包含300x300像素的组织纹理图像块（n=52,713），代表肾癌（“cancer”；n=13,057，24.8%）；正常肾脏（“normal”；n=8,652，16.4%）；间质（“stroma”；n=5,460，10.4%），包括平滑肌、纤维间质和血管；红细胞（“blood”；n=996，1.9%）；空白背景（“empty”；n=16,026，30.4%）；以及其他纹理，包括坏死、撕裂和脂肪组织（“other”；n=8,522，16.2%）。图像块是从TCGA-KIRC WSI和Helsinki数据集中随机选取的。binary_lymphocytes文件包含大部分为256x256像素但也有更小尺寸的图像块，分为低淋巴细胞密度（n=20,092，80.1%）或高淋巴细胞密度（n=5,003，19.9%）（n=25,095）。图像块是从TCGA-KIRC WSI数据集中随机选取的。所有注释的准确性均已双重检查。然而，多种组织纹理之间或淋巴细胞密度之间的分类有时可能模棱两可。使用ResNet-18架构训练的用于（1）淋巴细胞和（2）纹理分类的深度学习模型参数分别命名为（1）resnet18_binary_lymphocytes.pth和（2）resnet18_tissue_classification.pth。代码和说明

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。