LEOPARD前列腺癌生化复发病理数据集
LEOPARD 数据集用于从前列腺癌组织病理切片学习和预测术后生化复发风险。由Grand Challenge提供，来自AWS Open Data Registry，包含医学影像数据，适用于分类任务，专注于肿瘤领域的前列腺癌复发研究。
基本信息
资源简介
LEOPARD前列腺癌生化复发病理数据集
【一句话概览】
LEOPARD 数据集包含“从组织病理切片学习前列腺癌生化复发”（LEOPARD）挑战赛的全部数据。前列腺癌每年影响140万男性，许多患者接受前列腺切除术作为主要治愈性治疗，术后通过监测血液中前列腺特异性抗原（PSA）浓度评估疗效。约30%患者出现生化复发，提示前列腺癌细胞重新出现，并可预示临床转移与死亡风险。当前临床依据ISUP分级、诊断时PSA值和TNM分期评估复发风险，近期欧洲共识指南建议据此将患者分为低、中、高风险组（来源 AWS Open Data Registry，CC BY NC SA 许可）。
【数据集背景】
本数据集源站标题为《LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes challenge (LEOPARD) Dataset》。
【数据内容】
源站原始描述："This dataset contains the all data for the LEarning biOchemical Prostate cAncer Recurrence from histopathology sliDes challenge or LEOPARD cancer, impacting 1.4 million men annually, is a prevalent malignancy (H. Sung et al., 2021 A substantial number of these individuals undergo prostatectomy as the primary curative treatment. The efficacy of this surgery is assessed, in part, by monitoring the concentration of prostate-specific antigen (PSA) in the bloodstream. While the role of PSA in…
中文译文（机器翻译，仅供快速理解，请以原文为准）：本数据集包含从组织病理学切片预测前列腺癌生化复发（LEOPARD）挑战赛的全部数据。前列腺癌是一种常见的恶性肿瘤，每年影响140万男性（H. Sung等，2021）。其中相当一部分患者接受前列腺切除术作为主要治愈性治疗。该手术的疗效部分通过监测血液中前列腺特异性抗原（PSA）的浓度来评估。虽然PSA在前列腺癌筛查中的作用存在争议（W. F. Clark等，2018； E. A. M. Heijnsdijk等，2018），但它是前列腺切除术后患者随访中有价值的生物标志物。手术成功后，PSA浓度通常在4-6周内检测不到（<0.1 ng/mL）（S. S. Goonewardene等，2014）。然而，约30%的患者会出现生化复发，标志着前列腺癌细胞的重新出现。这种复发是进展为临床转移及最终前列腺癌相关死亡的一个预后指标（C. L. Amling，2014； S. J. Freedland等，2005；https://jamanetwork.com/journals/jama/fullarticle/…
【数据结构与技术规格】
文件数 1 个。
【主题与分类】
主题标签：aws-pds、life sciences、cancer、computational pathology、grand-challenge.org、histopathology、deep learning、computer vision。
【适用方向】
影像类数据可用于医学图像分析模型（检测、分割、分类）的训练与评测，也可用于标注质量与成像参数相关性的研究。
【获取与许可】
源站页面：https://registry.opendata.aws/leopard/
使用许可：CC BY NC SA。
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。
暂未开放公开下载
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
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://registry.opendata.aws/leopard/
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
LEOPARD 数据集用于从前列腺癌组织病理切片学习和预测术后生化复发风险。
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。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
