简介

保存在Figshare上的结直肠癌病理数据集，网络畅通，无需申请，可直接下载，针对病理图像做了组织分割，文件结构是每种组织单独分开存放的（如下图所示），同时还有一个存储了患者临床数据的Excel表格。

摘要

结直肠癌（CRC）肿瘤微环境（TME）具有显著异质性，这为精准预测患者预后、个体化评估治疗效果带来巨大阻碍。基于组织学图像解析这一复杂微环境，并将其划分为边界清晰的组织组分，对优化临床干预方案至关重要。尽管深度学习（DL）在医学影像分析领域取得长足进展，但受缺乏全面标注数据集与大规模高质量组织学图像的限制，其在结直肠癌中的应用仍较为有限。为填补这一空白，本文构建了HMU-CRC-Hist550K数据集。该数据集经过精心整理，包含取自500张全切片图像的55万张标注图像块，全部标注为8种不同的肿瘤微环境组织类别。数据集收录了大量公开可用的结直肠癌组织样本。此外，我们在组织分割任务上对3种深度学习模型进行基准测试，以此验证该数据集的应用价值。HMU-CRC-Hist550K可为肿瘤微环境特征分析、人工智能辅助诊断、分子亚型推断以及个体化治疗方案制定提供重要基础，同时也为构建肿瘤微环境时空演化模型开辟新的研究方向。

参考文献及下载地址

参考文献：Wang, H., Li, H., Xue, J. et al. Large-Scale Histological Image Dataset with Metadata for Colorectal Cancer Microenvironment. Sci Data 13, 431 (2026). https://doi.org/10.1038/s41597-026-06675-9

数据库地址：https://figshare.com/authors/Shenghan_Lou/21246005