SurGen：1020张H&E染色全切片图像及生存与遗传标记支持数据

数据集获取

源站：https://doi.org/10.5524/102725

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

癌症仍然是全球范围内发病和死亡的主要原因之一。将组织病理学图像与跨多种肿瘤部位的遗传和生存数据相结合的综合数据集，对于推动计算病理学和个性化医疗的发展至关重要。我们提出SurGen，一个包含来自843例结直肠癌病例的1，020张H&E染色全切片图像（WSIs）的数据集。该数据集包括关键基因突变（KRAS、NRAS、BRAF）和错配修复状态的详细注释，以及426例病例的生存数据。我们通过一个概念验证模型展示了SurGen的实用性，该模型直接从WSIs预测错配修复状态，测试AUROC达到0.8316。这些初步结果凸显了该数据集在促进生物标志物发现、预后建模以及结直肠癌及其他领域先进机器学习应用研究方面的潜力。SurGen为科学界提供了宝贵的资源，使得需要高质量WSIs并结合结直肠癌全面临床和遗传信息的研究成为可能。

我们的初步发现证实了该数据集在提升诊断精确度以及促进结直肠肿瘤学个性化治疗策略发展方面的能力。

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。