CATCH：犬皮肤癌组织学数据集

数据集获取

源站：https://doi.org/10.5281/zenodo.22801241

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 184.3 KB。

数据说明

本数据集对应于美国国家癌症研究所影像数据共享平台（IDC）提供的一系列图像和/或图像衍生数据。该数据集已被转换为DICOM格式，并由IDC团队录入。您可以使用IDC门户探索并可视化相应的图像。您可利用Zenodo记录中包含的清单，按照下方下载指南下载此集合。此集合包含来自泛肿瘤犬皮肤癌组织学（CATCH）数据集的350张苏木精-伊红（H&E）染色的全切片图像，代表了282只犬类患者，涵盖七种皮肤肿瘤亚型：黑色素瘤、肥大细胞瘤（MCT）、鳞状细胞癌（SCC）、外周神经鞘瘤（PNST）、毛母细胞瘤、组织细胞瘤和浆细胞瘤（每种亚型50张切片）。样本是从柏林自由大学兽医病理学研究所的组织病理学档案中回顾性选取的。切片在两家Leica扫描仪上以40倍放大率数字化：Aperio ScanScope CS2（303张切片，0.2533微米/像素）和Aperio AT2（47张切片，0.2524微米/像素），生成了具有三个分辨率级别的金字塔形SVS文件。

原始SVS图像从TCIA获取，并使用idc-wsi-conversion转换为适用于IDC的DICOM Slide Microscopy（SM）格式。上游CATCH数据集还包含跨越13个组织学类别（七种肿瘤亚型加六种非肿瘤组织类别）的12,424个专家多边形标注，最初以SlideRunner SQLite数据库形式发布在TCIA CATCH集合页面上。这些标注已转换为DICOM Microscopy Bulk Simple Annotation（ANN）对象，每张全切片图像对应一个ANN实例（共350个）。由于犬类与人类皮肤肿瘤在形态学上具有相似性，该数据集对兽医和人类病理学研究均具有相关性。包含的文件中，清单文件的名称指示了集合数据某一版本所属的IDC数据发布版本

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。