计算病理学图块特征

<h1 align="center"> Revisiting Data Challenges of Computational Pathology: A Pack-based Multiple Instance Learning Framework </h1>

<p align="center">
<a href="https://arxiv.org/abs/2509.20923"><img src="https://img.shields.io/badge/arXiv-Paper-b31b1b?logo=Arxiv"></a>
<a href=""><img src="https://img.shields.io/badge/HuggingFace-Data-ffd21e?logo=huggingface"></a>
<a href="https://pan.baidu.com/s/1OuiIP3sB68IGZeId4s4K7Q?pwd=ujtq"><img src="https://img.shields.io/badge/百度网盘-数据-06a7ff?logo=baidu"></a>
<!-- <a href=""><img src="https://img.shields.io/badge/知乎-中文讲解-1772f6?logo=zhihu"></a> -->
</p>

<h5 align="center"><em>Wenhao Tang^*, Heng Fang^*, Ge Wu, Xiang Li^†, Ming-Ming Cheng^† </em></h5>

# 项目概述

**文章地址：[[arXiv]](https://arxiv.org/abs/2509.20923) [[PDF]](https://arxiv.org/pdf/2509.20923)**

**项目主页地址：[[GitHub]](https://github.com/FangHeng/PackMIL)**

> 注意此页面仅为数据发布页，提供给国内研究者下载实验所用数据，可能存在文字或者数据不是最新的问题，如果您在使用这些数据时遇到了任何错误，请及时联系我们进行更新（GitHub的issue或者邮箱可能是更好的选择，这个平台的留言可能看的不多）。

# 数据概述

这里提供了所有我们使用到的WSI数据特征，具体来说有：
- PANDA
- UNI
- CHIEF
- GIGAP
- R50
- patches # 对应特征的坐标
- BRCA
- UNI
- CHIEF
- GIGAP
- R50
- patches # 对应特征的坐标
- NSCLC
- UNI
- CHIEF
- GIGAP
- R50
- patches # 对应特征的坐标
- BLCA
- UNI
- CHIEF
- GIGAP
- R50
- CAMELYON
- CHIEF
- R50
- patches # 对应特征的坐标

> 上面每一个子文件夹都包含了对应数据集所有slide的特征，除了NSCLC和BRCA，其他的数据集都按照每个encoder的特征进行zip打包，下载后需要自行解压。BRCA和NSCLC打包后超过了ModelScope的单文件上限，所以直接按照原始结构上传了，无需进一步解压。

> 有些数据可能还没来得及整理出来，如果有需要也可以联系我们询问是否可以提供。

# 下载方式

> 这里follow了ModelScope的官方文档提供下载方式，更精细的使用方式可能需要使用者自行搜索解决。有问题也可以及时联系我们。

**SDK**

``` python
#数据集下载
from modelscope.msdatasets import MsDataset
ds = MsDataset.load('HENGFANG/CPathPatchFeature')
#您可按需配置 subset_name、split，参照“快速使用”示例代码
```

**GIT**

确保已经正确安装了lfs：
``` bash
git lfs install
```

在此之后，直接进行克隆：
``` bash
git clone https://www.modelscope.cn/datasets/HENGFANG/CPathPatchFeature.git
```

<h1 align="center">重新审视计算病理学的数据挑战：一种基于打包的多实例学习框架</h1>

<p align="center">
<a href="https://arxiv.org/abs/2509.20923"><img src="https://img.shields.io/badge/arXiv-论文-b31b1b?logo=Arxiv"></a>
<a href=""><img src="https://img.shields.io/badge/HuggingFace-数据集-ffd21e?logo=huggingface"></a>
<a href="https://pan.baidu.com/s/1OuiIP3sB68IGZeId4s4K7Q?pwd=ujtq"><img src="https://img.shields.io/badge/百度网盘-数据集-06a7ff?logo=baidu"></a>
<!-- <a href=""><img src="https://img.shields.io/badge/知乎-中文讲解-1772f6?logo=zhihu"></a> -->
</p>

<h5 align="center"><em>唐文豪^*、方恒^*、吴戈、李翔^†、程明明^†</em></h5>

# 项目概述

**文章链接：[[arXiv]](https://arxiv.org/abs/2509.20923) [[全文PDF]](https://arxiv.org/pdf/2509.20923)**

**项目主页：[[GitHub]](https://github.com/FangHeng/PackMIL)**

> 注：本页面仅为数据集发布页，面向国内研究者提供实验所需数据下载服务。本页面文字及数据或存在非最新版本的情况，若您在使用过程中发现任何错误，请及时联系我们进行修正（通过GitHub Issue或邮箱为更佳渠道，本平台留言可能难以被及时查看）。

# 数据概述

本数据集提供了本研究中使用的全部全切片图像（Whole Slide Image, WSI）特征，具体包含以下数据集：
- PANDA数据集
- UNI特征提取结果
- CHIEF特征提取结果
- GIGAP特征提取结果
- R50特征提取结果
- patches # 对应特征的图像块坐标
- BRCA数据集
- UNI特征提取结果
- CHIEF特征提取结果
- GIGAP特征提取结果
- R50特征提取结果
- patches # 对应特征的图像块坐标
- NSCLC数据集
- UNI特征提取结果
- CHIEF特征提取结果
- GIGAP特征提取结果
- R50特征提取结果
- patches # 对应特征的图像块坐标
- BLCA数据集
- UNI特征提取结果
- CHIEF特征提取结果
- GIGAP特征提取结果
- R50特征提取结果
- CAMELYON数据集
- CHIEF特征提取结果
- R50特征提取结果
- patches # 对应特征的图像块坐标

> 上述每个子文件夹均包含对应数据集的全部全切片图像特征。除NSCLC与BRCA数据集外，其余数据集均按不同编码器（encoder）生成的特征单独打包为ZIP压缩包，下载后需自行解压。由于BRCA与NSCLC数据集解压后大小超出ModelScope的单文件上传上限，因此直接以原始目录结构上传，无需额外解压。

> 部分数据尚未完成整理，若有相关需求可联系我们咨询获取事宜。

# 下载方式

> 本页面下载方式遵循ModelScope官方文档说明，关于数据集的精细化使用方法需由使用者自行查阅相关资料。若遇任何问题，亦可随时联系我们。

**SDK 下载方式**

python
# 数据集下载
from modelscope.msdatasets import MsDataset
ds = MsDataset.load('HENGFANG/CPathPatchFeature')
# 您可根据需求配置 subset_name、split 参数，具体可参照「快速使用」示例代码

**Git 克隆方式**

请确保已正确安装Git LFS：
bash
git lfs install

安装完成后，直接执行克隆命令：
bash
git clone https://www.modelscope.cn/datasets/HENGFANG/CPathPatchFeature.git

搜集汇总

背景与挑战

背景概述

该数据集提供了用于计算病理学研究的图块特征，涵盖PANDA、BRCA、NSCLC、BLCA和CAMELYON等多个病理数据集的WSI特征，包括UNI、CHIEF、GIGAP、R50等编码器提取的特征及对应坐标。它基于Apache License 2.0许可发布，旨在支持国内研究者的实验数据下载需求。