UiT_TILs：全切片图像中肿瘤浸润淋巴细胞定量机器学习复现数据

数据集获取

源站：https://doi.org/10.18710/4YN9SZ

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

该数据集可用于复现《一种实用的机器学习方法用于量化全切片图像中的肿瘤浸润淋巴细胞》一文的研究结果。本文的研究动机在于，肿瘤浸润淋巴细胞（TILs）水平升高预示着多种癌症类型预后良好。我们的目标在于利用计算病理学方法，自动量化标准诊断用全组织苏木精-伊红染色切片（H&E切片）中的TILs。我们的策略是将一种开源的机器学习方法，该方法基于公共数据训练，用于H&E切片中细胞核的分割与分类，无需手动标注我们的数据，即可转移应用于TIL量化。研究结果显示，改进的数据增强技术提升了H&E全切片图像（WSIs）中免疫细胞的检测效果。此外，所得的TIL量化结果与患者预后相关，并且与当前非小细胞肺癌中免疫细胞检测的最先进方法相比，表现更优（当前标准为DAB染色组织微阵列（TMAs）中的CD8细胞，风险比HR 0.34，95%置信区间0.17-0.68；而H&E全切片图像中的TILs，采用HoVer-Net PanNuke模型，风险比HR 0.30，95%置信区间0.15-0.60）。

此外，我们实施了一个基于云的系统，用于训练、部署和视觉检查基于机器学习的H&E切片注释。我们的实用方法弥合了机器学习研究、转化临床研究与临床实施之间的差距。然而，需要在前瞻性研究中进行验证，以断言该方法在临床环境中有效。数据集由三部分组成：1) 二十个带有和不带有叠加层的图像块，供病理学家手动评估深度学习模型的输出；2) 论文中训练并随后用于推理的模型；3) 患者数据集及相应的图像块，用于临床验证深度学习模型的输出。组织样本采集自1993年至2003年间诊断的患者。补充信息是回顾性收集的。

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。