面向病理AI研究者的数据集汇总与应用指南

罗小罗同学

于 2025-03-14 11:25:52 发布

阅读量919

点赞数 22

分类专栏：个人观点文章标签：人工智能大数据医学人工智能医工交叉

本文链接：https://blog.csdn.net/qq_45404805/article/details/146223935

版权

个人观点专栏收录该内容

62 篇文章

订阅专栏

小罗碎碎念

推文速览

今天这期推文系统整理了病理组学领域的41个公开数据集，每一个数据集链接我都测试过，截至发文为止，都可以正常访问。数据集涵盖癌症基因组学、蛋白质组学、病理图像分析、治疗反应评估等多个方向。

具体可分类为：

多组学整合数据集（如TCGA、CPTAC、PanCancer-TCGA），整合基因组、转录组、蛋白质组等多维度数据，支持癌症分子机制研究；
病理图像分析数据集（如PANDA、CAMELYON系列、BreakHis），提供标注的病理切片图像，用于训练肿瘤检测、分级和淋巴结转移识别算法；
治疗与预后数据集（如O.B.R.、Post-NAT-BRCA、PanCancer-TIL），包含治疗前后影像与临床信息，助力疗效预测和免疫治疗研究；
细分癌种数据集（如CRC-100K、ESCA、CCRCC-TCGA-HEL），聚焦结直肠癌、食管癌等特定癌症，支持精准诊断模型开发。

数据集在科研中的应用场景

这些数据集为病理AI研究提供了丰富的资源：

模型开发与验证：例如利用PANDA的前列腺癌病理图像训练分级模型，或通过CAMELYON16/17优化淋巴结转移检测算法；
多模态分析：结合MIDOG2022的分子与影像数据，探索卵巢癌的分子-影像关联，或使用PanCancer-TCGA进行跨癌种生物标志物挖掘；
临床转化研究：基于O.B.R.数据集预测贝伐珠单抗疗效，或通过CRC-MSI开发微卫星不稳定性预测工具，指导个体化治疗。

根据项目需求灵活选择数据集

基础算法研究：推荐PCAM、PathVQA等标准化数据集，用于图像分类和视觉问答模型的训练；
临床问题驱动：针对乳腺癌亚型分类，可结合BRACS和PAIP系列数据，提升模型泛化性；
工具链构建：利用ARCH、Janowczyk的细胞核分割数据完善预处理流程，或通过HistGen实现病理报告的自动化生成。

文末的汇总表格（含序号、名称及链接）便于快速定位资源，建议结合知识星球或交流群获取最新动态，一起探索医学AI的最新进展！

交流群

欢迎大家加入【医学AI】交流群，本群设立的初衷是提供交流平台，方便大家后续课题合作。

目前小罗全平台关注量52,000+，交流群总成员1100+，大部分来自国内外顶尖院校/医院，期待您的加入！！

由于近期入群推销人员较多，已开启入群验证，扫码添加我的联系方式，备注姓名-单位-科室/专业，即可邀您入群。

知识星球

如需获取推文中提及的各种资料，欢迎加入我的知识星球！

已订阅星球用户无需二次付费，可以直接获取本篇推送的pdf版本，并且可以在星球中向我提问！

一、数据集详细介绍

1-1：TCGA

（The Cancer Genome Atlas）

TCGA 是一个全面的癌症基因组学数据库，包含了多种癌症类型的基因组、转录组、蛋白质组等多维度数据。这些数据来自大量患者样本，为癌症的分子机制研究、生物标志物发现以及个性化医疗提供了丰富的资源。

研究人员可以通过 TCGA 数据了解癌症的遗传变异、基因表达调控、蛋白质合成等多方面信息，进而深入探究癌症的发生、发展和转移机制。

1-2：CPTAC

（Clinical Proteomic Tumor Analysis Consortium）

CPTAC 致力于生成和共享临床蛋白质组学数据，以加深对癌症生物学的理解。该数据集包含了多种癌症类型的蛋白质组数据，与基因组和转录组数据相结合，能够从多个层面揭示癌症的分子特征。

通过分析这些数据，研究人员可以发现潜在的蛋白质标志物，探索癌症治疗的新靶点，并进一步了解癌症的异质性和复杂性。

1-3：PANDA

（Prostate cANcer Digital Archives）

PANDA 数据集专注于前列腺癌的病理切片图像，旨在促进前列腺癌分级评估算法的研究。数据集中包含了大量经过专家标注的前列腺癌病理图像，涵盖了不同病理分级的病例。

研究人员可以利用这些图像数据训练和验证机器学习模型，提高前列腺癌分级的准确性，从而为临床诊断和治疗决策提供更可靠的依据。

1-4：NADT-Prostate

Needle Biopsy and Radical Prostatectomy

NADT-Prostate 数据集包含了前列腺癌患者在穿刺活检和根治性前列腺切除术两个阶段的影像学数据。这些数据有助于研究前列腺癌在不同诊断和治疗阶段的影像学特征变化，为疾病的早期诊断、治疗效果评估以及预后预测提供重要参考。同时，该数据集也可以用于开发和验证影像分析算法，提高前列腺癌影像诊断的精度。