Grand Challenge：BreastPathQ：癌症细胞密度挑战赛 2019
SPIE-AAPM-NCI BreastPathQ：Cancer Circularity Challenge 2019：参赛者将受命开发一种自动化方法，用于分析从全切片图像中提取的组织病理学图像块，并为每个图像块分配一个反映癌症细胞密度的评分，以进行肿瘤负荷评估
基本信息
资源简介
Grand Challenge：BreastPathQ：癌症细胞密度挑战赛 2019
Grand Challenge: BreastPathQ: Cancer Cellularity Challenge 2019 是一个面向肿瘤病理图像分析的公开挑战赛数据集，归属于肿瘤/其他类别，来源站为 breastpathq.grand-challenge.org。该数据集围绕 SPIE-AAPM-NCI BreastPathQ: Cancer Circularity Challenge 2019 展开，核心任务是要求参赛者开发一种自动化方法，用于分析从全切片图像中提取的组织病理学图像块，并为每个图像块分配一个反映癌症细胞密度的评分，以进行肿瘤负荷评估。整体来看，该数据集聚焦于乳腺癌组织病理图像的定量分析，旨在推动肿瘤负荷评估的自动化与标准化，为相关算法研究提供统一的评测场景。
【数据集背景】
该数据集来源于 SPIE-AAPM-NCI BreastPathQ: Cancer Circularity Challenge 2019。挑战赛的组织背景涉及 SPIE、AAPM 与 NCI 等机构，其目标在于推动病理图像分析领域的自动化方法发展。参赛者需要针对从全切片图像中提取的组织病理学图像块，开发能够自动分析并输出癌症细胞密度评分的方案。该评分用于反映肿瘤负荷评估中的癌症细胞密度，属于肿瘤病理定量分析的重要环节。通过挑战赛形式，该数据集为研究者提供了一个统一的测试平台，以比较不同自动化方法在肿瘤负荷评估任务上的表现。
【数据内容】
该数据集的核心内容为从全切片图像中提取的组织病理学图像块。参赛者需要分析这些图像块，并为每个图像块分配一个反映癌症细胞密度的评分。该评分直接对应肿瘤负荷评估的需求，即通过量化癌症细胞密度来辅助判断肿瘤负荷。数据内容围绕组织病理学图像块展开，不涉及其他类型的医学影像或非图像数据。每个图像块均需被赋予一个评分，这一评分是自动化方法输出的关键结果，用于后续的肿瘤负荷评估。
【采集与来源】
该数据集的来源站为 breastpathq.grand-challenge.org。数据采集自全切片图像，并从中提取组织病理学图像块。全切片图像是病理学中常见的数字化图像形式，能够提供高分辨率的组织细节。该数据集通过 Grand Challenge 平台发布，属于 SPIE-AAPM-NCI BreastPathQ: Cancer Circularity Challenge 2019 的一部分。源站未提供具体的采集机构、扫描设备、染色方法或患者来源等详细信息。
【适用场景】
该数据集适用于开发与评估自动化方法，用于分析组织病理学图像块并分配癌症细胞密度评分。具体应用场景包括肿瘤负荷评估，即通过量化癌症细胞密度来辅助判断肿瘤的负荷程度。该数据集可用于算法训练、验证与比较，特别是在病理图像分析领域，帮助研究者探索如何从全切片图像中提取的图像块中自动识别和量化癌症细胞密度。此外，该数据集也可用于推动病理学中自动化评分方法的标准制定与性能评测。
【使用方法】
参赛者需要开发一种自动化方法，用于分析从全切片图像中提取的组织病理学图像块。该方法应为每个图像块分配一个反映癌症细胞密度的评分，以进行肿瘤负荷评估。使用流程通常包括：读取组织病理学图像块，通过算法处理并输出评分，最终将评分用于肿瘤负荷评估。该数据集以挑战赛形式提供，参赛者需按照挑战赛的要求提交结果。源站未提供具体的数据格式、评分范围、提交格式或评估指标等细节。
【质量与限制】
源站未提供关于数据质量、标注一致性、样本量、类别平衡或潜在偏差的具体信息。该数据集聚焦于组织病理学图像块的分析与评分，其限制可能包括图像块提取方式、评分标准的主观性以及全切片图像本身的变异性，但源站未提供相关说明。使用者应注意，该数据集仅针对癌症细胞密度评分任务，不涉及其他病理特征或临床结局。源站未提供数据质量控制流程或已知限制的详细描述。
【引用与许可】
源站未提供引用格式、许可协议或使用条款的具体信息。该数据集来源于 breastpathq.grand-challenge.org，属于 SPIE-AAPM-NCI BreastPathQ: Cancer Circularity Challenge 2019。使用者应参考源站获取最新的引用与许可要求。源站未提供关于数据再分发、商业使用或修改权限的说明。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站：https://breastpathq.grand-challenge.org/
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 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。
- OpenDataLab:
数据说明
SPIE-AAPM-NCI BreastPathQ：2019年癌症圆形度挑战赛：参赛者将负责开发一种自动化方法，用于分析从全切片图像中提取的组织学图像块，并为每个图像块分配一个反映癌细胞丰富度的评分，以评估肿瘤负荷。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
