Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset

该数据集提供了TCGA PRAD前列腺癌数据集的增强版Gleason分级注释，基于感兴趣区域（ROI）级别的空间注释。数据集包括两个主要文件：包含全面元数据和诊断细节的幻灯片级别标签文件（PRAD.csv），以及提供肿瘤区域空间坐标的ROI级别注释文件（.geojson）。数据集的改进包括增强的Gleason标签、更细粒度的ROI级别注释以及病理学家提供的详细推理，以确保标签决策的透明性。数据集适用于AI训练管道和病理学研究，并提供了加载和使用数据集的示例步骤。

This dataset provides enhanced Gleason grading annotations for the TCGA PRAD prostate cancer dataset, which are based on region-of-interest (ROI)-level spatial annotations. The dataset consists of two core files: a slide-level label file (PRAD.csv) containing comprehensive metadata and diagnostic details, and an ROI-level annotation file (.geojson) that provides spatial coordinates of tumor regions. The improvements of this dataset include enhanced Gleason labels, finer-grained ROI-level annotations, and detailed justifications provided by pathologists to ensure the transparency of label decision-making. This dataset is applicable to AI training pipelines and pathological research, and it also provides example steps for loading and utilizing the dataset.

原始信息汇总

数据集：TCGA PRAD前列腺癌病理数据集的二次意见及ROI级标注

概述

该数据集提供了TCGA PRAD前列腺癌数据集的增强Gleason分级标注，并支持基于感兴趣区域（ROI）的空间标注。该数据集由Codatta和DPath.ai合作开发，改进了原始TCGA-PRAD切片级标签的准确性和信息粒度。

动机

发现TCGA PRAD数据集的诊断标签存在改进空间，包括：

• 一些标签可以通过添加额外的诊断意见来增强。
• 一些标签缺乏Gleason模式的详细描述。

数据集内容

该数据集包含两个主要文件：

1. 切片级标签（PRAD.csv）

   • 包含全面的元数据和诊断细节：
     • slide_id：唯一切片标识符。
     • slide_name：TCGA全切片图像（WSI）名称。
     • label：修正的Gleason等级（例如，4+3，5+4）。
     • diagnosis：病理学家提供的标签推理。
     • num_rois：每个切片的标注感兴趣区域（ROI）数量。

2. ROI级标注（.geojson）

   • 提供肿瘤区域的空间坐标：
     • 每个ROI对应特定的Gleason等级（例如，等级3，等级4）。
     • 兼容QuPath等工具进行交互式可视化。

关键统计

类型	数量
TCGA WSI总数	435
与TCGA标签一致	190
改进的标签和ROI	245

重新标注和标签过程

1. 案例筛选：专家委员会识别需要审查的切片。
2. 标注：初级病理学家进行初始ROI级标注。
3. 专家审查：高级病理学家验证和改进标注。
4. 增强：
   • 肿瘤区域的粒度ROI标注。
   • 引入次级等级：例如，次级等级5表示Gleason等级5肿瘤的占比<5%。
   • 病理学家推理：每个标签包括详细的标注过程解释。

对TCGA标签的改进

• 准确性：通过添加额外意见和提高粒度来增强切片级Gleason标签。
• 粒度：清晰标注主要、次要和次级肿瘤等级。
• 透明度：病理学家提供的推理确保了标签决策的透明性。

使用

用于AI训练管道

结合TCGA PRAD的全切片图像（WSI）与该数据集的切片级标签（PRAD.csv）和ROI标注（.geojson）生成高质量的[X, y]对。

用于病理学研究

使用ROI标注在WSI查看器（如QuPath）中交互式可视化标注的肿瘤区域。

许可证

该数据集在非商业用途下使用OpenRAIL-M许可证。商业用途需要单独的许可证。

致谢

该数据集是Codatta和DPath.ai的合作成果。

搜集汇总

数据集介绍

构建方式

该数据集的构建基于对TCGA PRAD前列腺癌病理数据集的重新标注和精细化处理。通过与Codatta和DPath.ai的合作，组建了一个由全球病理学家组成的网络，对原始数据集中的245个病例进行了重新标注。重新标注过程包括初级病理学家的初步ROI（感兴趣区域）级别标注，随后由资深病理学家进行验证和精细化处理。此过程不仅引入了更细粒度的ROI标注，还增加了对Gleason评分中次要等级的标注，如Minor Grade 5，并提供了详细的病理学家推理，确保标注的透明性和准确性。

特点

该数据集的主要特点在于其高精度和细粒度的标注。与原始TCGA PRAD数据集相比，新数据集在Gleason评分标签上提供了更多的诊断意见和更详细的描述，显著提升了标签的准确性和粒度。此外，ROI级别的标注使得肿瘤区域的识别更加精确，适用于AI模型的训练和病理学研究的深入分析。数据集还包含了详细的病理学家推理，为标签的决策提供了透明的依据，增强了数据的可信度和应用价值。

使用方法

该数据集适用于AI模型的训练和病理学研究的深入分析。使用者可以通过结合TCGA PRAD的全切片图像（WSI）与数据集中的slide-level标签（PRAD.csv）和ROI标注（.geojson）来生成高质量的[X, y]对，用于AI模型的训练。对于病理学研究，用户可以使用ROI标注在WSI查看器（如QuPath）中交互式地可视化标记的肿瘤区域，并探索Gleason评分决策背后的详细推理。数据集的加载可以通过pandas读取CSV文件，或使用GeoPandas加载GeoJSON文件，结合TCGA PRAD的WSI进行进一步分析和应用。

背景与挑战

背景概述

Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset是由Codatta和DPath.ai合作开发的高精度前列腺癌病理数据集，旨在提升TCGA-PRAD数据集的标签质量和粒度。该数据集的核心研究问题在于通过区域兴趣（ROI）级别的注释，增强Gleason评分标签的准确性和透明度。该数据集的创建源于对原始TCGA-PRAD数据集中诊断标签的改进需求，特别是针对Gleason模式描述的不足。通过全球病理学家的协作，该数据集不仅提高了AI模型训练的标签可靠性，还推动了病理学研究的进展。

当前挑战

该数据集在构建过程中面临多项挑战。首先，原始TCGA-PRAD数据集的标签存在改进空间，部分标签缺乏详细的Gleason模式描述，这为AI病理模型带来了准确性挑战。其次，构建过程中需要通过专家委员会筛选病例，并由初级和高级病理学家进行多轮注释和验证，确保标签的准确性和透明度。此外，数据集的发布和更新也需平衡社区影响与数据质量，确保数据的高效利用和持续改进。

常用场景

经典使用场景

Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset 最经典的使用场景在于其为前列腺癌病理图像提供了精细化的 Gleason 分级标注，特别是通过 ROI（感兴趣区域）级别的注释，显著提升了标注的准确性和粒度。研究者可以利用这些高精度的标注数据，结合 TCGA PRAD 的全切片图像（WSI），训练和验证病理图像分析的 AI 模型，从而提高模型的诊断准确性和鲁棒性。

实际应用

在实际应用中，Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset 可用于开发和优化前列腺癌的自动化诊断系统。通过结合全切片图像和精细化的标注数据，医疗机构可以利用这些工具进行更准确的病理诊断，减少人为误差，提高诊断效率。此外，该数据集还可用于病理学教育和培训，帮助医学生和初级病理学家更好地理解 Gleason 分级及其在临床中的应用。

衍生相关工作

基于 Refined-TCGA-PRAD-Prostate-Cancer-Pathology-Dataset，研究者已开展了一系列相关工作，包括开发更高效的病理图像分析算法、探索多模态数据融合技术以提升诊断性能，以及构建基于深度学习的 Gleason 分级预测模型。这些工作不仅推动了 AI 在病理学中的应用，还为未来的病理学研究提供了新的思路和方法，特别是在如何利用高精度标注数据提升模型性能方面。