非小细胞肺癌中组织与细胞级标注的 H&E 和 PD-L1 组织病理学图像数据集
定量方法
2025-07-24 v1 计算机视觉与模式识别
图像与视频处理
摘要
非小细胞肺癌（NSCLC）组织病理学中的肿瘤免疫微环境（TIME）包含可预测免疫治疗反应的形态学和分子特征。对 TIME 特征（如细胞检测和组织分割）进行计算量化，可以支持生物标志物的开发。然而，目前可用于开发细胞检测或组织分割算法的 NSCLC 数字病理学数据集在范围上有限，缺乏临床普遍转移部位的标注，并且舍弃了诸如 PD-L1 免疫组织化学（IHC）等分子信息。为了填补这一空白，我们引入了 IGNITE 数据工具包，这是一个多染色、多中心、多扫描仪的标注 NSCLC 全切片图像数据集。我们公开发布了来自 155 名独特患者的 887 个完全标注的感兴趣区域，涵盖三个互补任务： H&E 染色切片中组织区室的多类语义分割，包含跨越原发性和转移性 NSCLC 的 16 个类别； 核检测； PD-L1 IHC 切片中 PD-L1 阳性肿瘤细胞的检测。据我们所知，这是首个在转移部位具有 H&E 手动标注和 PD-L1 IHC 的公开 NSCLC 数据集。
引用
@article{arxiv.2507.16855,
title = {A tissue and cell-level annotated H&E and PD-L1 histopathology image dataset in non-small cell lung cancer},
author = {Joey Spronck and Leander van Eekelen and Dominique van Midden and Joep Bogaerts and Leslie Tessier and Valerie Dechering and Muradije Demirel-Andishmand and Gabriel Silva de Souza and Roland Nemeth and Enrico Munari and Giuseppe Bogina and Ilaria Girolami and Albino Eccher and Balazs Acs and Ceren Boyaci and Natalie Klubickova and Monika Looijen-Salamon and Shoko Vos and Francesco Ciompi},
journal= {arXiv preprint arXiv:2507.16855},
year = {2025}
}
备注
Our dataset is available at 'https://zenodo.org/records/15674785' and our code is available at 'https://github.com/DIAGNijmegen/ignite-data-toolkit'