CRC-HGD

Name: CRC-HGD
Creator: 伊斯法罕医科大学·普尔西纳·哈基姆消化系统疾病研究中心; 纽约州立大学上州医科大学·外科系·移植服务部; 伊斯法罕医科大学·癌症预防研究中心; DataBioX·人工智能与生物医学研究
Published: 2026-07-14T21:18:20+08:00

arXiv2026-07-14 更新2026-07-16 收录

结直肠癌腺癌分级

计算病理学

数据链接：

https://doi.org/10.17632/yfp5sfj47m.4 数据链接链接失效反馈

官方服务：

资源简介：

CRC-HGD是由伊斯法罕医科大学普尔西纳·哈基姆研究中心创建的结直肠癌组织病理学图像数据集，专门用于腺癌分级研究。该数据集包含1914张RGB格式的JPEG图像，分辨率为800×800像素，涵盖214名患者（I级106例、II级75例、III级33例）的H&E染色组织切片，每例样本提供4倍、10倍、20倍和40倍四种放大倍率。数据来源于2014年至2019年间经病理诊断的存档标本，严格遵循世界卫生组织的腺体形成比例标准进行三级分级标注。该数据集旨在填补结直肠癌组织学分级的公共数据空白，为机器学习与深度学习算法提供训练基准，推动计算病理学在癌症自动分级、预后评估及辅助治疗决策领域的应用。

CRC-HGD is a colorectal cancer histopathological image dataset developed by the Poursina Hakim Research Center of Isfahan University of Medical Sciences, specifically designed for adenocarcinoma grading research. This dataset contains 1,914 RGB-format JPEG images with a resolution of 800×800 pixels, covering H&E-stained tissue sections from 214 patients (106 Grade I cases, 75 Grade II cases, 33 Grade III cases). Four magnification levels (4×, 10×, 20× and 40×) are provided for each sample. The data is sourced from archived pathologically diagnosed specimens collected between 2014 and 2019, with three-tier grading annotations strictly following the World Health Organization’s criteria for gland formation ratio. This dataset aims to fill the public data gap in colorectal cancer histological grading, provide training benchmarks for machine learning and deep learning algorithms, and promote the application of computational pathology in automated cancer grading, prognosis assessment and adjuvant treatment decision-making.

提供机构：

伊斯法罕医科大学·普尔西纳·哈基姆消化系统疾病研究中心; 纽约州立大学上州医科大学·外科系·移植服务部; 伊斯法罕医科大学·癌症预防研究中心; DataBioX·人工智能与生物医学研究

创建时间：

2026-07-14

原始信息汇总

数据集概述：CRC-HGD-v1

标题：CRC-HGD-v1：用于结直肠癌分级的组织病理学图像数据集

DOI：10.17632/yfp5sfj47m.4 | 版本：4 | 发布日：2026年6月25日

数据集描述

CRC-HGD-v1 是结直肠癌组织病理学分级数据集的第一个版本，包含 1,914 张图像，分为五类：

Grade I — 高分化：860 张图像
Grade II — 中分化：712 张图像
Grade III — 低分化：327 张图像
正常结直肠组织：8 张图像
混合正常/肿瘤组织：7 张图像

分级依据：按照世界卫生组织（WHO）标准，基于腺体形成比例：Grade I（>95%）、Grade II（50–95%）、Grade III（<50%）。

患者数量：共 214 名患者，其中 Grade I 106 名、Grade II 75 名、Grade III 33 名。

放大倍数：三个主要肿瘤分级类别涵盖 4x、10x、20x 和 40x 四个放大倍率。每张标本在 4x 下提供一张图像，更高倍率下的图像数量因病理学家评估而异。

标本与染色：所有标本均为苏木精-伊红（H&E）染色的结直肠组织切片，收集于 2014 年至 2019 年。

图像规格：JPEG 格式、RGB 色彩空间、800×800 像素分辨率、96 DPI。

文件命名规则：[样本编号]_CRC_[分级标签]_[归档编号]_[放大倍数]_[图像索引] 示例：01_CRC_G1_16130_4x_1

数据来源：由伊斯法罕医科大学 Poursina Hakim 消化疾病研究中心（PDDRC）的病理学、外科、胃肠病学、人工智能和数据科学等多学科团队制备。

文件结构

文件名	格式	大小
CRC_Grade__1__Well_Diff.rar	rar	215 MB
CRC_Grade__2__Mod_Diff.rar	rar	164 MB
CRC_Grade__3__Poorly_Diff.rar	rar	73.4 MB
Mixed_Normal_Tumoral_Colon.rar	rar	2.89 MB
Normal_Colon.rar	rar	2.78 MB

总大小：457 MB

机构

伊斯法罕医科大学（伊朗伊斯法罕）
伊斯兰阿扎德大学，科学与研究分校（伊朗德黑兰）

类别

人工智能、计算机视觉、病理学、医学影像、结直肠医学、组织病理学、结直肠癌、结直肠外科、卷积神经网络、深度学习、图像分析

许可协议

CC BY-NC-ND 4.0

引用信息

Amjadi, Elham; Bahreini, Amin; Hakimian, Sayyed Mohammadreza; Emami, Mohammad Hasan; Fahim, Alireza; Rahimi, Hojjatollah; Bolhasani, Hamidreza (2026), “CRC-HGD-v1: A Histopathological Image Dataset for Grading Colorectal Cancer”, Mendeley Data, V4, doi: 10.17632/yfp5sfj47m.4

搜集汇总

数据集介绍

构建方式

结直肠癌（CRC）是全球第三大常见恶性肿瘤，组织学分级对预后判断与治疗方案制定至关重要。CRC-HGD数据集由伊朗伊斯法罕医科大学Poursina Hakim研究中心收集，涵盖2014至2019年间确诊的214例结直肠腺癌患者的H&E染色组织切片，依据WHO标准分为高分化（I级）、中分化（II级）和低分化（III级）。每个样本在4倍、10倍、20倍和40倍四种放大倍数下采集图像，共生成1914张RGB格式、800×800像素的JPEG图像。此外包含8张正常组织和7张混合正常-肿瘤图像，所有图像均经过病理学家标注，并按规范化命名规则组织存储。

使用方法

CRC-HGD数据集可直接用于监督学习框架下的结直肠癌分级分类任务。研究人员可将图像按其标注的分级标签（Grade I/II/III）与放大倍数进行组织，训练卷积神经网络或Transformer等深度学习模型以实现自动化分级诊断。由于提供了四倍放大倍数的多视角样本，该数据集适用于多尺度特征融合研究。此外，正常与混合样本可用于肿瘤边界检测或对比学习。数据集可通过Mendeley Data及DataBioX官网公开获取，支持科研社区复现与基准测试，推动AI辅助病理诊断的发展。

背景与挑战

背景概述

结直肠癌（CRC）作为全球第三大常见恶性肿瘤及癌症相关死亡的第二大原因，2022年新发病例约192.6万例，死亡约90.4万例。其病理学分级是预后判断与治疗决策的关键依据，然而传统依赖病理学家镜下观察苏木精-伊红（H&E）染色切片的分级方式耗时且存在显著的观察者间变异。为应对这一挑战，伊朗伊斯法罕医科大学Poursina Hakim消化疾病研究中心联合DataBioX等机构的研究人员，于2024年发布了CRC-HGD数据集。该数据集由Elham Amjadi等学者主导构建，聚焦于结直肠腺癌的WHO三级分化分级（高分化I级、中分化II级、低分化III级），共纳入214例患者的1914张H&E染色显微图像，每例标本提供4倍、10倍、20倍和40倍四个放大倍数，填补了公开数据集中缺乏多放大倍数分级标注的空白，为自动化分级算法提供了标准化基准。

当前挑战

CRC-HGD所面向的核心领域挑战是结直肠腺癌组织学分级的自动化识别。现有数据集多聚焦于组织类型分类或良恶性二分类，缺乏遵循WHO三级分级标准且涵盖多放大倍率的公开资源，导致深度学习模型在分级任务上的可重复性和泛化性受限。在构建过程中，挑战主要源于三个方面：其一，低分化（III级）病例仅占33例，样本数量远少于高分化（106例）和中分化（75例），类别不均衡增加了模型训练的难度；其二，图像采集需在四个放大倍数下对同一标本进行多视野拍摄，如何确保标注的准确性与一致性对病理学家提出了精细要求；其三，数据来自单一医学中心，地域和染色协议的差异性可能限制模型的跨机构迁移能力，亟需后续多中心验证与数据集扩展。

常用场景

经典使用场景

CRC-HGD数据集在结直肠癌组织病理学分级研究中占据核心地位，尤其适用于基于深度学习的多尺度肿瘤形态学分析。该数据集包含214例患者的1914张H&E染色图像，覆盖WHO三级分化体系（高、中、低分化），并以4x、10x、20x、40x四种放大倍率呈现同一病灶的微观结构。研究者可借此训练卷积神经网络等模型，从腺体形成比例、细胞异型性等关键特征中提取分级依据，实现从图像到病理等级的端到端自动预测。其多层次标注体系为探索放大倍率对分级精度的影响提供了独特实验平台。

解决学术问题

该数据集直面结直肠腺癌组织学分级公开数据缺失的学术困境，填补了现有数据集仅关注组织类型分类或二元良恶性判定的空白。传统病理分级依赖人工镜检，存在观察者间差异大、耗时长等固有局限。CRC-HGD通过提供经专家标注的三级分化数据，使研究者能够构建可重复的自动化分级模型，量化分析低分化肿瘤的侵袭性形态标志。这为攻克病理诊断标准化难题、探索分级预后关联机制提供了数据基石，推动了计算病理学从组织分类向精细分级维度的纵深演进。

实际应用

在临床实践中，CRC-HGD可赋能AI辅助诊断系统，协助病理科对结直肠腺癌进行快速分级评估。模型若基于该数据集训练，能够在活检或手术标本采集中自动标识低分化（III级）病例——此类患者5年生存率仅20%至45.5%，亟需术后强化治疗。系统可输出各放大倍率下的分级置信度，为医生制定辅助化疗方案和随访策略提供量化依据。此外，该数据集支持肿瘤边界分析，有助于在术中冰冻病理或内镜活检场景中实现实时分级，缩短诊断周期。

数据集最近研究