基于注意力深度学习的肺鳞状癌前病变病理图像与基因表达数据分析 [HTAN队列]

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE320381

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

背景：正常假复层柱状支气管上皮的分子和细胞改变导致支气管癌前病变的发生，其组织学谱系涵盖从正常到增生、化生、异型增生（轻度、中度和重度）、原位癌及浸润性癌。多项研究已识别出与病变组织学和进展相关的分子改变。组织学和分子变化的广泛连续谱系使得在多项研究中对病变进行可重复的分层具有挑战性。方法：我们提出了一种基于Transformer的框架，该框架灵活利用转录组学和组织学模式，将伴有支气管异型增生或更严重病变的病变与正常、增生和化生区分开来。我们利用了支气管内活检的H&E全切片图像（WSIs）以及来自先前发表的研究和正在进行的肺癌癌前图谱研究中从肺癌高风险患者获取的支气管内活检和刷检的批量基因表达数据（GE）。

结果：在WSI的外部测试数据集上，使用WSI加GE训练的模型达到了0.884±0.040的ROC曲线下面积（AUROC），而仅使用WSI训练的模型为0.829±0.046。在GE的外部测试数据集上，使用WSI加GE训练的模型达到了0.857±0.033的AUROC，而仅使用GE训练的模型为0.713±0.098。基于这些结果，我们利用4项研究的数据训练了一个灵活的融合模型，允许在训练中使用一种或两种数据模态（WSI和GE）。该模型在外部测试WSI数据上达到了0.906±0.034的AUROC，在外部测试GE数据上达到了0.870±0.023的AUROC。尽管模型是在二分类标签上训练的，但模型概率与组织学分级相关，并且该模型在多项研究中识别出了与支气管发育不良相关的基因表达改变。结论：我们的多模态Transformer优于模型

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。