zeyugao/TCGA-Spatial

TCGA-RCC和TCGA-LU数据集的像素注释以PNG文件形式保存，其中白色/红色/绿色标记的区域为癌症区域，蓝色标记的区域为废弃区域或背景。PNG文件名对应于每个WSI的case_id，并且可以通过GitHub仓库中的dataset_csv文件与原始TCGA名称匹配。注释掩码的大小对应于相应WSI的第3级。TCGA-STAD数据集的补丁注释以CSV文件形式保存，每行表示一个带有相应坐标、大小和注释标签的补丁。坐标和大小是在相应SVS文件的最大放大倍数下获得的。CSV文件名对应于每个WSI的case_id，并且可以通过GitHub仓库中的dataset_csv文件与原始TCGA名称匹配。通过统计每个WSI中是否出现某些亚型的补丁，可以获得WSI的细粒度亚型标签。

原始信息汇总

数据集概述

像素标注数据集

• 名称: Pixel Annotations of TCGA-RCC and TCGA-LU
• 格式: PNG文件
• 内容: 癌症区域标记为白色/红色/绿色，废弃区域（背景）标记为蓝色。
• 文件命名: 基于每个WSI的case_id。
• 尺寸: 每个标注掩码的尺寸等于对应WSI的第3级。
• 匹配: 原始TCGA名称需与GitHub仓库中的dataset_csv文件匹配。

补丁标注数据集

• 名称: Patch Annotations of TCGA-STAD
• 格式: CSV文件
• 内容: 每行表示一个带有相应坐标、尺寸和标注标签的补丁。
• 坐标和尺寸: 在对应SVS文件的最大放大倍数下获取。
• 文件命名: 基于每个WSI的case_id。
• 匹配: 原始TCGA名称需与GitHub仓库中的dataset_csv文件匹配。
• 细粒度亚型标签: 通过统计每张WSI中特定亚型补丁的出现来获取。

搜集汇总

数据集介绍

构建方式

在数字病理学领域，精准的标注数据是推动组织形态分析算法发展的基石。zeyu/TCGA-Spatial数据集依托权威的TCGA（癌症基因组图谱）资源，针对肾细胞癌（RCC）、肺癌（LUAD/LUSC）及胃癌（STAD）的病理全切片图像（WSI）构建了多模态空间注释。其构建过程严谨，对于TCGA-RCC和TCGA-LUAD/LUSC子集，专家在WSI的第三级分辨率下进行像素级标注，生成PNG格式掩码，其中白/红/绿色区域标识癌变组织，蓝色区域标记为背景或弃用区域。对于TCGA-STAD子集，则采用基于图像块的注释策略，以CSV文件记录每个图像块在最高放大倍率下的坐标、尺寸及细分子型标签，从而实现了从宏观组织区域到微观图像块的多尺度信息覆盖。

特点

该数据集的核心特征在于其多层次、结构化的空间注释体系。它不仅提供了像素级的语义分割掩码，用于精确勾勒癌变区域的形态边界，还创新性地引入了基于坐标的图像块级注释，为组织微环境的定量分析提供了可能。这种双轨并行的标注方式，使得数据集既能支持传统的组织区域分割任务，也能适应新兴的基于图像块的分类或弱监督学习范式。尤为重要的是，所有注释均与原始TCGA病例标识严格对应，并通过配套的元数据文件确保了数据的一致性与可追溯性，为算法验证提供了高可靠性的基准。

使用方法

为有效利用该数据集进行研究，用户需遵循系统化的数据关联与处理流程。首先，需从提供的GitHub代码库中获取数据集CSV文件，以建立PNG或CSV注释文件与原始TCGA WSI病例标识之间的准确映射。对于像素级注释，可直接将PNG掩码与对应WSI的第三级图像进行配准，用于训练或评估语义分割模型。对于图像块级注释，则需依据CSV文件中的坐标与尺寸信息，从最高分辨率的WSI中提取对应区域的图像块，并结合其子型标签构建分类或检测任务的数据集。通过统计WSI内特定子型图像块的出现情况，还可进一步推导出整个切片的细粒度亚型标签，为弱监督学习开辟路径。

背景与挑战

背景概述

在数字病理学领域，全切片图像（WSI）的精准注释对于癌症诊断与亚型分析至关重要。zeyuGao/TCGA-Spatial数据集由研究人员Zeyu Gao及其团队于近年构建，依托癌症基因组图谱（TCGA）计划，聚焦肾细胞癌（RCC）、肺癌（LUAD/LUSC）及胃癌（STAD）的空间注释数据。该数据集的核心研究问题在于解决WSI中癌症区域的多尺度标注难题，通过像素级与区块级注释相结合，为计算病理学模型提供高质量的训练基准，显著推动了肿瘤微环境分析与预后预测研究的发展。

当前挑战

该数据集旨在应对癌症亚型空间异质性识别的挑战，其标注需在组织形态复杂、边界模糊的WSI中精确区分恶性与正常区域，这对算法泛化能力提出极高要求。构建过程中，研究人员面临标注一致性维护的困难，由于病理学家主观差异及WSI尺寸庞大，像素级注释需在多层次分辨率下对齐，而区块级注释则涉及坐标映射与标签聚合的精度控制，这些因素共同增加了数据标准化与验证的复杂度。

常用场景

经典使用场景

在计算病理学领域，zeyuGao/TCGA-Spatial数据集为全切片图像（WSI）的像素级和补丁级注释提供了标准化资源。该数据集整合了TCGA-RCC、TCGA-LU和TCGA-STAD等癌症类型的空间标注信息，经典使用场景聚焦于训练和验证深度学习模型，特别是用于癌症区域的自动分割与分类。通过提供白色、红色、绿色标记的癌变区域以及蓝色背景区域，研究者能够构建精准的语义分割模型，以识别组织切片中的肿瘤边界和亚型分布，从而推动数字病理分析的自动化进程。

衍生相关工作

围绕该数据集，衍生了一系列经典研究工作，包括SMMILe框架的开发，该框架利用多模态学习整合空间与形态信息。其他研究如基于深度学习的WSI分割算法、癌症亚型预测模型，以及迁移学习在跨癌症类型分析中的应用，都以此数据集为基准进行验证。这些工作进一步拓展了计算病理学的边界，促进了开源工具和标准化协议的建立，为后续大规模癌症图像分析研究奠定了坚实基础。

数据集最近研究

最新研究方向

在数字病理学领域，空间转录组学与组织形态学的融合正成为前沿热点。zeyuGao/TCGA-Spatial数据集通过像素级和区块级注释，为肾细胞癌、肺癌及胃癌的肿瘤微环境分析提供了精细的空间标注资源。当前研究聚焦于利用深度学习模型，如卷积神经网络与图神经网络，整合多尺度组织图像与分子特征，以揭示肿瘤异质性、免疫细胞空间分布及预后生物标志物。该数据集推动了精准肿瘤学的发展，支持自动化病理诊断和个性化治疗策略的制定，在癌症研究向空间多组学转型的背景下，其高分辨率注释为算法验证与临床转化奠定了关键基础。