PathText
PathText是一个专为病理全切片图像（WSI）Caption任务设计的数据集，它通过自动化流程高效提取和清理来自TCGA（癌症基因组图谱）的病理学文本信息。首先，PathText通过识别TCGA中的诊断切片及其对应的病理报告，为研究者提供了一个全面的病理学信息来源。由于这些报告通常以PDF格式存在，内容复杂且冗余，提取有用信息极具挑战性。为此，使用OCR技术将PDF文件转换为可编辑的文本，尽管这样产生的文本依然会有噪声和乱码问题。为了解决这一问题，PathText引入了大语言模型，通过设计特定提示语、自动过滤和提炼出有用的病理信息。
xianweichengxiang可视化图片
PathText_0.png
PathText_1.png
PathText_2.png
数据集元信息
| 维度 | 2D |
| 模态 | other |
| 任务类型 | other |
| 解剖结构 | 组织 |
| 解剖区域 | 全身 |
| 数据量 | 9009 |
| 文件格式 | json |
文件结构
PathText.json
图像尺寸统计
| 统计类型 | 间距 (mm) | 尺寸 |
|---|---|---|
| 最小值 | 不适用 |
不适用 |
| 中位值 | 不适用 |
不适用 |
| 最大值 | 不适用 |
不适用 |
引用
@article{chen2023mi,
title={MI-Gen: Multiple Instance Generation of Pathology Reports for Gigapixel Whole-Slide Images},
author={Chen, Pingyi and Li, Honglin and Zhu, Chenglu and Zheng, Sunyi and Yang, Lin},
journal={arXiv preprint arXiv:2311.16480},
year={2023}
}