FelicieGS/STHELAR_40x
STHELAR dataset (40x) STHELAR (Spatial Transcriptomics and H&E histology for Large-scale Annotation Resource) is a multi-tissue dataset designed for developing models capable of predicting cell types directly from histological Hematoxylin & Eosin (H&E) whole slide images. It integrates high-resolution spatial transcriptomics data with histology, to provide detailed segmentation masks and cell-type annotations. Available dataset versions STHELAR_40x — 587,555… See the full description on the dataset page: https://huggingface.co/datasets/FelicieGS/STHELAR_40x.
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#1 Repository Của Tuần
🧬 STHELAR_40x — Bộ dữ liệu lớn kết hợp hình ảnh H&E và transcriptomics không gian
STHELAR cung cấp mặt nạ phân đoạn và nhãn nhận dạng tế bào chi tiết từ ảnh H&E toàn trang, giúp huấn luyện mô hình dự đoán nhân hạch trực tiếp từ ảnh hồ sơ bệnh.
STHELAR (Spatial Transcriptomics and H&E histology for Large-scale Annotation Resource) là một bộ dữ liệu đa mô tế rộng, được xây dựng từ dữ liệu transcriptomics không gian (ST) kết hợp với ảnh H&E nguồn từ nền tảng 10X Genomics sử dụng công nghệ Xenium. Bộ dữ liệu bao gồm 27 mẫu FFPE thể hiện 13 kiểu mô, trong đó có 20 mẫu unicell. Các nhãn tế bào được sinh ra bằng phương pháp Tangram, căn chỉnh với các bản đồ RNA phát hiện đơn tế bào, sau đó tinh chỉnh qua clustering Leiden và phân tích biểu hiện gen khác biệt.
✨ Điểm nổi bật
- 587.555 ảnh H&E 40x: Mỗi ảnh có kích thước 256×256 pixel với độ chồng lên nhau 64 pixel giữa các patch liền kề.
- Mặt nạ phân đoạn
cell_id_map: Lưu dưới dạng ma trận thưa CSR (.npz), mỗi pixel lưucell_idnguyên của tế bào (0 = nền), ổn định trên toàn slide. - Nhãn tế bào đa nguồn: Bao gồm
nuclei_ct_tangram,nuclei_ct_tangram_group,nuclei_label1và các nhãn thay thế khác. - Điểm số chất lượng: Tích hợp Dice, Jaccard, bPQ để đánh giện mặt nạ so với dự đoán từ mô hình CellViT (SAM-H encoder).
- Metadata trên từng slide: Lưu dưới dạng parquet, chứa thông tin tế bào, nhãn và độ tin cậy, cho phép người dùng tùy chỉnh nhãn.
- Phiên bản đa cường phóng: Hỗ trợ cả STHELAR_40x và STHELAR_20x với cấu trúc dữ liệu nhất quán.
💡 Vì sao đáng chú ý
Khác với các bộ dữ liệu H&E truyền thống chỉ cung cấp nhãn pixel, STHELAR sử dụng cell_id ổn định để kết nối trực tiếp với metadata tế bào phong phú, cho phép truy xuất lại nguồn dữ liệu ban đầu và các phân tích lưu trữ trên BioStudies. Đây là nền tảng lý tưởng để phát triển và đánh giá các mô hình phân đoạn tế bào và phân loại nhân hạch từ ảnh H&E, đặc biệt trong nghiên cứu unicell và các bài toán chẩn đoán hình thái.
#STHELAR #SpatialTranscriptomics #Histopathology #CellTypeAnnotation #OpenDataset #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
Dataset Card for ImageNet Dataset Summary ILSVRC 2012, commonly known as 'ImageNet' is an image dataset organized according to the WordNet hierarchy. Each meaningful concept in WordNet, possibly described by multiple words or word phrases, is called a "synonym set" or "synset". There are more than 100,000 synsets in WordNet, majority of them are nouns (80,000+). ImageNet aims to provide on average 1000 images to illustrate each synset. Images of each concept are… See the full description on the dataset page: https://huggingface.co/datasets/ILSVRC/imagenet-1k.
Dataset Card for UltraChat 200k Dataset Description This is a heavily filtered version of the UltraChat dataset and was used to train Zephyr-7B-β, a state of the art 7b chat model. The original datasets consists of 1.4M dialogues generated by ChatGPT and spanning a wide range of topics. To create UltraChat 200k, we applied the following logic: Selection of a subset of data for faster supervised fine tuning. Truecasing of the dataset, as we observed around 5% of… See the full description on the dataset page: https://huggingface.co/datasets/HuggingFaceH4/ultrachat_200k.
[!NOTE] We have released a paper for OpenThoughts! See our paper here. Open-Thoughts-114k Open synthetic reasoning dataset with 114k high-quality examples covering math, science, code, and puzzles! Inspect the content with rich formatting with Curator Viewer. Available Subsets default subset containing ready-to-train data used to finetune the OpenThinker-7B and OpenThinker-32B models: ds = load_dataset("open-thoughts/OpenThoughts-114k"… See the full description on the dataset page: https://huggingface.co/datasets/open-thoughts/OpenThoughts-114k.
OpenR1-Math-220k Dataset description OpenR1-Math-220k is a large-scale dataset for mathematical reasoning. It consists of 220k math problems with two to four reasoning traces generated by DeepSeek R1 for problems from NuminaMath 1.5. The traces were verified using Math Verify for most samples and Llama-3.3-70B-Instruct as a judge for 12% of the samples, and each problem contains at least one reasoning trace with a correct answer. The dataset consists of two… See the full description on the dataset page: https://huggingface.co/datasets/open-r1/OpenR1-Math-220k.
Dataset Card for HH-RLHF Dataset Summary This repository provides access to two different kinds of data: Human preference data about helpfulness and harmlessness from Training a Helpful and Harmless Assistant with Reinforcement Learning from Human Feedback. These data are meant to train preference (or reward) models for subsequent RLHF training. These data are not meant for supervised training of dialogue agents. Training dialogue agents on these data is likely… See the full description on the dataset page: https://huggingface.co/datasets/Anthropic/hh-rlhf.
Dataset Card for Wikimedia Wikipedia Dataset Summary Wikipedia dataset containing cleaned articles of all languages. The dataset is built from the Wikipedia dumps (https://dumps.wikimedia.org/) with one subset per language, each containing a single train split. Each example contains the content of one full Wikipedia article with cleaning to strip markdown and unwanted sections (references, etc.). All language subsets have already been processed for recent dump… See the full description on the dataset page: https://huggingface.co/datasets/wikimedia/wikipedia.
🐋 The OpenOrca Dataset! 🐋 We are thrilled to announce the release of the OpenOrca dataset! This rich collection of augmented FLAN data aligns, as best as possible, with the distributions outlined in the Orca paper. It has been instrumental in generating high-performing model checkpoints and serves as a valuable resource for all NLP researchers and developers! Official Models Mistral-7B-OpenOrca Our latest model, the first 7B to score better overall than all… See the full description on the dataset page: https://huggingface.co/datasets/Open-Orca/OpenOrca.
📚 FineWeb-Edu 1.3 trillion tokens of the finest educational data the 🌐 web has to offer Paper: https://arxiv.org/abs/2406.17557 What is it? 📚 FineWeb-Edu dataset consists of 1.3T tokens and 5.4T tokens (FineWeb-Edu-score-2) of educational web pages filtered from 🍷 FineWeb dataset. This is the 1.3 trillion version. To enhance FineWeb's quality, we developed an educational quality classifier using annotations generated by LLama3-70B-Instruct. We… See the full description on the dataset page: https://huggingface.co/datasets/HuggingFaceFW/fineweb-edu.
Dataset containing synthetically generated (by GPT-3.5 and GPT-4) short stories that only use a small vocabulary. Described in the following paper: https://arxiv.org/abs/2305.07759. The models referred to in the paper were trained on TinyStories-train.txt (the file tinystories-valid.txt can be used for validation loss). These models can be found on Huggingface, at roneneldan/TinyStories-1M/3M/8M/28M/33M/1Layer-21M. Additional resources: tinystories_all_data.tar.gz - contains a superset of… See the full description on the dataset page: https://huggingface.co/datasets/roneneldan/TinyStories.