跨癌种泛化组织病理分割模型综合评估数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.18518810

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 2.2 MB。

数据说明

本数据集随论文《跨癌种泛化在21种肿瘤类型组织病理分割模型中的综合评估》一同发布。它包含用于评估五种深度学习分割模型（分别在乳腺、结肠、肺、肾和前列腺组织上训练）跨癌种泛化性能的评估数据。分割质量由一位经委员会认证的病理学家在从21种TCGA肿瘤类型的全切片图像中提取的感兴趣区域（ROI）上进行评估。该数据集包括病理学家的质量评分、评分者间信度数据、定量分割准确性指标以及临床元数据。内容包括scoring_data.csv——主要评分者对全部五种模型和21个TCGA项目中的7,616个肿瘤和3,296个正常组织ROI的质量评分（0–10分）（54,560行）。scoring_data_second_rater.csv——第二评分者对全部五种模型共598个分割输出子集的评分，用于评分者间信度分析（ICC和Spearman秩相关）。

pathologist_inference_ratings.csv — 对来自四个模型训练队列（乳腺、结直肠、肺和前列腺）的346个ROI的独立验证队列进行的人工质量评分，这些队列有可用的真实标注。用于与自动Dice系数进行比较。dice-results/ — 通过将模型分割掩膜与从QuPath导出的真实标注进行比较，在相同验证队列上计算得到的Dice系数（4个队列 × 4个模型，共16个文件）。clinical-data/ — 22种癌症类型的TCGA临床元数据（TSV格式，来源于GDC Data Portal）。相关数据集 代码（标注、推理、评分和分析流程）：10.5281/zenodo.18520078 从TCGA全切片图像中提取的组织ROI：10.5281/zenodo.18668580 五个模型生成的分割掩膜：10.5281/zenodo.18669667

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。