andreped/IBDColEpi

--- license: mit task_categories: - image-segmentation language: - en tags: - medical pretty_name: IBDColEpi size_categories: - 1B<n<10B --- # IBDColEpi: 140 HE and 111 CD3-stained colon biopsies of active and inactivate inflammatory bowel disease with epithelium annotated To access and work with the data in Python, you can do so through the Python API with datasets. See this Jupyter Notebook on how to get started: https://github.com/andreped/NoCodeSeg/blob/main/notebooks/IBDColEpi-load-dataset-example.ipynb Note that it is also possible to download the data through the web interface at Hugging Face, but also through [this google drive](https://drive.google.com/drive/u/0/folders/1eUVs1DA1UYayUYjr8_aY3O5xDgV1uLvH) and [this dataverseNO](https://dataverse.no/dataset.xhtml?persistentId=doi:10.18710/TLA01U) link. -------------------- GENERAL INFORMATION -------------------- 1. Title of Dataset: 140 HE and 111 CD3-stained colon biopsies of active and inactivate inflammatory bowel disease with epithelium annotated: the IBDColEpi dataset 2. DOI: https://doi.org/10.18710/TLA01U 3. Contact Information Name: André Pedersen Institution: NTNU Norwegian University of Science and Technology Email: [e-mail] ORCID: https://orcid.org/0000-0002-3637-953X 4. Contributors: See metadata field Contributor. 5. Kind of data: See metadata field Kind of Data. 6. Date of data collection/generation: See metadata field Date of Collection. 7. Geographic location: See metadata section Geographic Coverage. 8. Funding sources: See metadata section Grant Information. 9. Description of dataset: General description and ethics approvals: The dataset contains 140 HE and 111 CD3 stained, formalin fixed paraffin embedded (FFPE) biopsies of colonic mucosa. The biopsies were extracted from the NTNU/St. Olavs hospital, Trondheim University Hospital (Norway) biobank of patients with confirmed inflammatory bowel disease or healthy controls with gastrointestinal symptoms but no macroscopic- or microscopic disease. Inclusion and colonoscopies were performed at the Department of Gastroenterology and Hepatology at St. Olavs hospital, Trondheim University Hospital from 2007 to 2018. All patients gave written informed consent and ethical approvals were obtained from the Central Norway Regional Committee for Medical and Health Research Ethics (reference number 2013/212/REKMidt). Consent to publish the anonymized whole slide image (WSI) dataset was given by REKMidt in 2021. Each database ID number used in this study was changed to new anonymized IDs only containing the information “active” or “inactive” disease and whether the WSI has haematoxylin-eosin (HE) staining or CD3 immunostaining. The biopsies included in the biobank are sampled such that one biopsy from an unaffected/inactive area and one from an area affected/active area were included from each patient and given a separate ID number. Hence, two biopsies with different ID numbers can be from the same patient. "Active" is defined as the presence of intraepithelial granulocytes in one or more location in the biopsies. Still, the changes may be focal, hence majority of the epithelium may still lack intraepithelial granulocytes or other signs of active disease (crypt abscesses, granulation tissue, etc.). --------------------------- SHARING/ACCESS INFORMATION --------------------------- (See metadata record for dataset.) 1. Licenses/Restrictions: See Terms section. 2. Links to publications that cite or use the data: See metadata field Related Publication. 3. Links/relationships to related data sets: See metadata field Related Datasets. 4. Data sources: See metadata field Data Sources. 5. Recommended citation: See citation generated by repository. --------------------- DATA & FILE OVERVIEW --------------------- 1. File List: 00_README.txt trained-models.zip patch-dataset-CD3.zip patch-dataset-HE.zip qupath-project-annotations.zip TIFF-annotations.zip WSI_part_01.zip WSI_part_02.zip WSI_part_03.zip WSI_part_04.zip WSI_part_05.zip WSI_part_06.zip WSI_part_07.zip WSI_part_08.zip WSI_part_09.zip WSI_part_10.zip 2. Relationship between files, if important: - trained-models.zip: the best performing trained models (for both HE and CD3) on the images from WSI_part_*.zip using the manual delineations from TIFF-annotations.zip. - WSI_path_*.zip: the colon biopsies described in the metadata (1-10). For each ID, the active/inactive label Y is stored in the filename, with the format: "ID-X_Y.ndpi". - TIFF-annotations.zip: the corresponding annotations to the WSIs. The filenames of the annotations are in the same structure as the corresponding WSIs, with the format: "ID-X_Y.tiff". - patch-dataset-*.zip: the corresponding patch images and labels, split into train/validation/test sets, relevant for the evaluation of the design in the publication. Both for HE and CD3 - qupath-project-annotations.zip: the qupath project file, also containing the annotations of all WSIs, but can be directly read in QuPath (after renaming of WSI paths).许可证：MIT许可证 任务类别：图像分割 语言：英语 标签：医学 友好名称：IBDColEpi 数据规模类别：10亿字节 < 数据规模 < 100亿字节 # IBDColEpi：140例苏木精-伊红（HE）染色与111例CD3免疫染色的结直肠活检样本数据集，涵盖炎症性肠病活动期与非活动期样本且已完成上皮细胞标注 若需通过Python访问并处理该数据集，可借助`datasets`库的Python应用程序编程接口（API）。请参考以下Jupyter Notebook以了解入门方法： https://github.com/andreped/NoCodeSeg/blob/main/notebooks/IBDColEpi-load-dataset-example.ipynb 请注意，用户可通过Hugging Face的网页界面下载该数据集，此外还可通过以下谷歌云端硬盘（Google Drive）链接与DataverseNO链接获取： [谷歌云端硬盘链接](https://drive.google.com/drive/u/0/folders/1eUVs1DA1UYayUYjr8_aY3O5xDgV1uLvH)、[DataverseNO链接](https://dataverse.no/dataset.xhtml?persistentId=doi:10.18710/TLA01U) -------------------- 一、数据集基本信息 -------------------- 1. 数据集标题：涵盖炎症性肠病活动期与非活动期、已完成上皮细胞标注的140例苏木精-伊红（HE）染色与111例CD3免疫染色结直肠活检样本：IBDColEpi数据集 2. 数字对象唯一标识符（DOI）：https://doi.org/10.18710/TLA01U 3. 联系方式 姓名：安德烈·佩德森（André Pedersen） 所属机构：挪威科技大学（NTNU） 电子邮箱：[e-mail] ORCID标识符：https://orcid.org/0000-0002-3637-953X 4. 贡献者：详见元数据字段"Contributor" 5. 数据类型：详见元数据字段"Kind of Data" 6. 数据收集/生成日期：详见元数据字段"Date of Collection" 7. 地理位置：详见元数据章节"Geographic Coverage" 8. 资助来源：详见元数据章节"Grant Information" 9. 数据集说明 总体描述与伦理审批：本数据集包含140例苏木精-伊红（HE）染色与111例CD3免疫染色的福尔马林固定石蜡包埋（FFPE）结直肠黏膜活检样本。所有样本均取自挪威特隆赫姆大学医院圣奥拉夫斯分院与挪威科技大学（NTNU）的生物样本库，供体为经确诊的炎症性肠病患者，或伴有胃肠道症状但无肉眼及显微镜下病变的健康对照个体。样本纳入与结肠镜检查工作于2007年至2018年间在圣奥拉夫斯分院胃肠病学与肝病科完成。所有受试者均签署书面知情同意书，研究伦理审批由挪威中部地区医学与健康研究伦理委员会（审批编号：2013/212/REKMidt）核准。2021年，该委员会同意发布本匿名化全玻片图像（WSI）数据集。本研究中使用的原始数据库编号已替换为仅包含"活动期"或"非活动期"疾病信息、以及苏木精-伊红（HE）染色或CD3免疫染色标识的匿名化新编号。生物样本库中的活检样本按照以下规则采集：每位患者分别采集1份来自未受累/非活动期区域的活检样本与1份来自受累/活动期区域的活检样本，并分配独立的编号，因此不同编号的活检样本可能来自同一患者。"活动期"定义为活检样本的一处或多处位置存在上皮内粒细胞。但此类病变可能呈局灶性分布，因此大部分上皮区域可能仍未出现上皮内粒细胞或其他活动期疾病征象（如隐窝脓肿、肉芽组织等）。 --------------------------- 二、共享与获取信息 --------------------------- 详见数据集元数据记录。 1. 许可与限制条款：详见"条款"章节 2. 引用或使用本数据集的出版物链接：详见元数据字段"Related Publication" 3. 相关数据集的链接与关联关系：详见元数据字段"Related Datasets" 4. 数据来源：详见元数据字段"Data Sources" 5. 推荐引用格式：详见代码仓库生成的引用信息 ------------------------- 三、数据与文件概览 ------------------------- 1. 文件清单： 00_README.txt trained-models.zip patch-dataset-CD3.zip patch-dataset-HE.zip qupath-project-annotations.zip TIFF-annotations.zip WSI_part_01.zip WSI_part_02.zip WSI_part_03.zip WSI_part_04.zip WSI_part_05.zip WSI_part_06.zip WSI_part_07.zip WSI_part_08.zip WSI_part_09.zip WSI_part_10.zip 2. 文件间关联关系（若有必要）： - `trained-models.zip`：基于`TIFF-annotations.zip`中的人工标注结果，在`WSI_part_*.zip`的图像上训练得到的HE染色与CD3染色数据集最优模型 - `WSI_part_*.zip`：包含元数据中描述的10组结直肠活检样本。每个样本的编号与活动期/非活动期标签Y均存储在文件名中，命名格式为：`ID-X_Y.ndpi` - `TIFF-annotations.zip`：对应全玻片图像的标注文件。标注文件的命名格式与对应WSI文件一致，为`ID-X_Y.tiff` - `patch-dataset-*.zip`：对应HE染色与CD3染色数据集的切片图像与标签，已划分为训练集、验证集与测试集，可用于本研究发表中所述方法的性能评估 - `qupath-project-annotations.zip`：QuPath项目文件，包含所有WSI的标注信息，可直接在QuPath软件中读取（需提前重命名WSI文件路径）

原始信息汇总

数据集概述

基本信息

• 数据集名称: IBDColEpi
• 数据集描述: 包含140个HE和111个CD3染色的结肠活检样本，这些样本来自活动性和非活动性炎症性肠病患者，具有上皮细胞注释。
• 数据集大小: 1B<n<10B
• 语言: 英语
• 许可证: MIT
• 任务类别: 图像分割
• 标签: 医学

数据集内容

• 样本来源: 从NTNU/St. Olavs医院，Trondheim大学医院（挪威）的生物库中提取，包括已确认的炎症性肠病患者和无宏观或微观疾病的健康控制者。
• 样本收集时间: 2007年至2018年
• 伦理批准: 获得中央挪威地区医疗和健康研究伦理委员会的批准（参考号2013/212/REKMidt）

数据文件

• 文件列表:

  • 00_README.txt
  • trained-models.zip
  • patch-dataset-CD3.zip
  • patch-dataset-HE.zip
  • qupath-project-annotations.zip
  • TIFF-annotations.zip
  • WSI_part_01.zip 至 WSI_part_10.zip

• 文件关系:

  • trained-models.zip: 包含在WSI_part_*.zip图像上使用TIFF-annotations.zip中的手动描绘训练的最佳模型。
  • WSI_part_*.zip: 包含描述在元数据中的结肠活检样本。每个ID的活跃/非活跃标签Y存储在文件名中。
  • TIFF-annotations.zip: 包含与WSIs相对应的注释。注释文件名与相应的WSIs结构相同。
  • patch-dataset-*.zip: 包含相应的补丁图像和标签，分为训练/验证/测试集，用于评估出版物中的设计。
  • qupath-project-annotations.zip: 包含所有WSIs的注释的QuPath项目文件。

搜集汇总

数据集介绍

构建方式

IBDColEpi数据集源自挪威科技大学与圣奥拉夫斯医院合作建立的生物样本库，囊括了140张苏木精-伊红（HE）染色与111张CD3免疫组化染色的福尔马林固定石蜡包埋结肠黏膜活检全切片图像。这些样本采集自2007年至2018年间经结肠镜检查确诊的炎症性肠病患者及健康对照者，每例患者均提供来自非活动区域与活动区域的两份活检，并分别赋予独立编号。数据集构建过程中，所有切片经匿名化处理，仅保留“活动期”或“非活动期”的疾病状态标识，并由病理专家对上皮组织进行精细的像素级标注，最终以TIFF格式存储标注掩膜。原始全切片图像以NDPI格式分卷压缩，同时提供基于补丁的预分割训练/验证/测试子集，以支持标准化评估。

特点

该数据集的核心特点在于其双染色类型的互补设计，HE染色提供组织形态学全景，CD3免疫组化则特异性标记T淋巴细胞，两者结合能够全面刻画炎症性肠病中上皮结构的病理改变。数据集中“活动期”严格定义为活检中至少一处存在上皮内粒细胞浸润，即使多数区域可能未见明显异常，这种局灶性病变的纳入增强了数据集的临床真实性与挑战性。此外，每例患者的配对比对设计（活动与非活动区域）为疾病进展的纵向或横向比较提供了独特视角。数据集规模达到十亿像素级别，并附带了经过优化的预训练模型权重，便于直接迁移应用于类似的组织病理分割任务。

使用方法

通过Hugging Face的datasets库，用户可利用Python API便捷地加载该数据集，官方提供的Jupyter Notebook示例展示了从数据读取到模型训练的完整工作流。数据集以压缩包形式提供，包含全切片图像、TIFF格式标注、QuPath项目文件以及预分割的补丁图像，用户可依据需求选择直接使用预分割补丁进行快速模型迭代，或加载完整WSI进行全图分析。对于QuPath用户，通过重设WSI路径即可直接导入标注项目。此外，数据亦可通过Google Drive与DataverseNO平台下载，并依据MIT许可协议自由使用，适合用于炎症性肠病相关深度学习模型的训练与验证。

背景与挑战

背景概述

IBDColEpi数据集由挪威科技大学（NTNU）与圣奥拉夫斯医院的研究团队于2021年构建，核心研究人员包括André Pedersen等。该数据集聚焦于炎症性肠病（IBD）的病理组织学分析，包含140张苏木精-伊红（HE）染色和111张CD3免疫组化染色的结肠活检全切片图像，并提供了上皮区域的手动标注。研究旨在通过数字化病理图像推动IBD活动性评估的自动化，区分活动性与非活动性病变。作为首个公开的IBD结肠上皮标注数据集，它为开发基于深度学习的组织分割与分类算法提供了标准化基准，显著促进了计算病理学在消化道疾病领域的应用，尤其在炎症性肠病精准诊断和生物标志物发现方面具有重要价值。

当前挑战

该数据集面临的核心挑战在于解决IBD活动性评估的自动化难题。病理学上，活动性IBD的定义依赖于上皮内粒细胞的存在，但病变常呈局灶性分布，多数上皮区域可能缺乏典型改变，导致传统人工判读主观性强且耗时。构建过程中，研究者需处理全切片图像的超高分辨率与存储负担，从251张WSI中提取有效标注区域，并确保HE与CD3染色在组织形态和免疫表型上的标注一致性。此外，数据来自挪威单中心队列，样本量有限且疾病异质性高，模型泛化至多中心、多染色方案及不同IBD亚型面临挑战，同时需解决类别不平衡（活动性vs.非活动性）及标注噪声对分割性能的影响。

常用场景

经典使用场景

在炎症性肠病（IBD）的组织病理学研究中，IBDColEpi数据集为上皮组织分割任务提供了宝贵的图像资源。该数据集包含140张苏木精-伊红（HE）染色和111张CD3免疫染色的结肠活检全切片图像，覆盖活动期与非活动期疾病状态，且每张图像均配有精细的上皮标注。研究者常利用此数据集训练和评估深度学习模型，以实现对结肠上皮区域的自动化分割，从而量化炎症浸润程度，为IBD的病理分级提供客观依据。

实际应用

在实际临床场景中，基于IBDColEpi数据集训练的模型可辅助病理科医生快速识别结肠活检中的上皮区域，并自动判断炎症的活动状态。该工具能够减轻医生在大量切片阅片中的工作负担，提高诊断的一致性和效率。此外，该数据集还可用于开发远程病理系统，使基层医疗机构能够借助自动化分析获得初步诊断意见，从而优化IBD患者的诊疗流程。

衍生相关工作

IBDColEpi数据集的发布催生了多项衍生研究工作，包括基于注意力机制的上皮分割网络、多染色图像融合的炎症分级模型，以及利用对比学习策略提升小样本场景下分割性能的方法。相关研究者还在此数据集上验证了U-Net、DeepLab等经典架构在病理图像上的适用性，并探索了迁移学习从其他组织类型（如结直肠癌）到IBD图像的可行性，进一步拓展了该数据集在计算病理学领域的影响力。