RCdpia

RCdpia是由浙江大学医学院第一附属医院基于病理学家创建的肾癌数字病理图像标注数据集，包含109例肾嫌色细胞癌、486例肾透明细胞癌和292例肾乳头状细胞癌，总计887例。该数据集通过从TCGA数据库中筛选和标注肾脏癌症病理图像构建而成，旨在通过深度学习模型提高对肾癌亚型的分类准确性。数据集的创建过程涉及详细的图像筛选、标注和分类，应用领域主要集中在数字病理学的AI模型开发，以实现更精确的癌症诊断和治疗。

RCdpia is a digital pathological image annotation dataset for renal cell carcinoma, developed by the First Affiliated Hospital of Zhejiang University School of Medicine using annotations from professional pathologists. It contains 109 cases of chromophobe renal cell carcinoma, 486 cases of clear cell renal cell carcinoma, and 292 cases of papillary renal cell carcinoma, with a total of 887 cases. This dataset was constructed by screening and annotating renal cancer pathological images retrieved from the TCGA database. Its primary objective is to enhance the classification accuracy of renal cancer subtypes through deep learning models. The development of this dataset entails rigorous image screening, annotation and classification workflows. Its core application scope lies in the development of AI models for digital pathology, aiming to enable more precise cancer diagnosis and treatment.

搜集汇总

数据集介绍

构建方式

RCdpia数据集构建方式详述

特点

RCdpia数据集特点详述

使用方法

RCdpia数据集使用方法详述

背景与挑战

背景概述

肾细胞癌（RCC）是一种形态学特征多样的肿瘤，其病理诊断对临床治疗至关重要。RCdpia数据集是由浙江大学医学院附属第一医院和浙江树人大学信息技术学院的研究人员于近年来创建的，旨在为肾细胞癌的数字病理图像提供注释数据。该数据集基于TCGA数据库的肾细胞癌数字病理切片数据，由两位病理学家进行了精心筛选和标注，涵盖了109例肾嫌色细胞癌、486例肾透明细胞癌和292例肾乳头状细胞癌。RCdpia数据集的创建不仅有助于深入理解肾细胞癌的异质性，而且旨在为更准确的研究减少数据中的噪声。该数据集的公开可用性为研究者提供了宝贵的资源，推动了数字病理学在肾细胞癌诊断和治疗中的应用。

当前挑战

尽管RCdpia数据集为肾细胞癌的研究提供了重要的资源，但仍然面临一些挑战。首先，数据集的构建过程中，图像质量存在差异，包括图像上的涂鸦、分类错误、清晰度差和组织错误等问题。其次，模型验证过程中发现，当将基于TCGA数据集训练的模型直接应用于来自不同中心的FAHZU数据集时，模型的准确性显著下降。这表明模型在不同中心的数据集上可能存在泛化能力不足的问题。为了提高模型的鲁棒性，需要对WSI数据进行标准化处理。此外，由于每个WSI包含的元素如细胞核、细胞质和各种微环境或病变区域（如坏死、钙化），构建一个能够重建这些组件颜色空间的深度学习算法，以标准化所有WSI的颜色空间，从而提高分类模型的鲁棒性，是未来的研究方向。

常用场景

经典使用场景

RCdpia数据集由浙江大学医学院附属第一医院病理科基于TCGA数据库的肾脏癌病理图像构建而成，旨在为人工智能模型提供准确的肾脏细胞癌诊断数据集。该数据集由两位病理学家进行细致的筛选和标注，包括109例肾脏嗜铬细胞癌、486例肾脏透明细胞癌和292例肾脏乳头状细胞癌。RCdpia数据集为研究肾脏细胞癌的异质性提供了重要的基础，有助于提高肾脏癌的诊断准确性。

衍生相关工作

RCdpia数据集的构建和发布为肾脏细胞癌研究提供了重要的资源。基于RCdpia数据集，研究人员可以进行更深入的肾脏癌异质性研究，探索肾脏癌的发病机制和治疗靶点。此外，RCdpia数据集还可以用于开发更精确的数字病理人工智能模型，为肾脏癌的精准诊断和治疗提供技术支持。RCdpia数据集的发布和推广将有助于推动肾脏癌研究的进展，为肾脏癌患者提供更好的诊疗服务。

数据集最近研究

最新研究方向

RCdpia数据集的最新研究方向在于利用深度学习模型对肾细胞癌的病理图像进行精确的分类和分割。该数据集由来自TCGA数据库的肾细胞癌数字病理图像组成，并经过两位病理学家精心筛选和标注。研究者们利用ResNet模型对该数据集进行了验证，并发现模型在不同中心的病理图像数据集上存在预测结果的显著差异。为了提高模型的鲁棒性，研究者们提出了利用深度学习算法对WSI数据进行标准化，以增强模型的预测能力。此外，研究者们还探讨了利用深度学习算法重建WSI中细胞核、细胞质等元素的颜色空间，以进一步标准化WSI的颜色空间。这些研究方向有望推动数字病理学在肾细胞癌诊断和治疗方面的应用，为患者提供更精确的个性化治疗方案。

相关研究论文

• RCdpia: A Renal Carcinoma Digital Pathology Image Annotation dataset based on pathologists

  浙江大学医学院第一附属医院 · 2024年