数字病理图谱 v2 — 第一部分

数据集获取

源站：https://doi.org/10.5281/zenodo.15307021

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 43.97 GB。

数据说明

这是数字病理学图谱v2（ADPv2）数据集的第一部分（1/3），包含20,000个非重叠图像块，这些图像块来自健康结肠组织的苏木精&伊红（H&E）和蘇木精磷红花藏紅（HPS）染色的组织学图像。第（2/3）和（3/3）部分可在此处找到：ADPv2 第（2/3）部分，ADPv2 第（3/3）部分。包含1至12号zip文件，每个文件包含1000个图像块。注释和元数据作为单独的csv文件附上。所有图像的视野（FOV）为544x544微米，或1360x1360像素（px），在0.4微米每像素（mpp）（20倍）下。

组织类别如下：表面上皮（SE）、复层鳞状上皮（SS）、非角化鳞状黏膜（NSM）、角化鳞状上皮（肛周皮肤）（KSE）、单层柱状上皮（SCL）、胃小凹（胃）（F）、小肠（VESGC）、大肠（BBNGC）、腺体（GD）、腺状（GL）、小肠隐窝（SBC）、大肠隐窝（LBC）、黏液腺（MG）、食管黏液腺（EMG）、肛周黏液腺（AMG）、固有层（LP）、淋巴聚集（LA）、淋巴血管通道（LC）、平滑肌细胞（SMC）、弹性纤维（EF）、神经组织（NT）、神经纤维（NF）、神经节细胞（GC）、结缔组织（CT）、炎症细胞（IC）、多形核细胞（POC）、中性粒细胞（NTR）、嗜酸性粒细胞（ES）、单核细胞（MOC）、巨噬细胞（MA）、浆细胞（PC）、淋巴细胞（LY）、红细胞（RBC）、血管（V）、脂肪组织（AT）、间皮细胞（MC）。本项目使用的全切片图像（WSIs）来源于多个渠道，包括美国国家癌症研究所（NCI）提供的“癌症基因组图谱（TCGA）”；金斯顿综合医院（KGH；加拿大）、圣迈克尔医院（SMH；加拿大）和桑尼布鲁克研究所（SRI；加拿大）。

我们项目中使用的每张切片均来源于健康的结肠活检组织。总共有461张切片。详细分类如下：200张KGH切片，放大倍数为20倍，分辨率为0.4 mpp，采用HPS染色；110张TCGA切片，放大倍数为20倍，分辨率为0.5 mpp，采用H&E染色；131张S

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。