AI病理数据集周荐｜第01期（2026.05.16）

每周六介绍一个公开数据集，让好数据不再难找!

本期介绍的STHELAR数据集是一个多组织、多模态公开数据集，核心特点是将 Xenium 空间转录组数据与对应的 H&E 全切片病理图像进行了精确配准，并进一步生成细胞级类型标注。

数据集主入口位于 BioStudies 数据库，项目编号为 S-BIAD2146，下载地址为：https://doi.org/10.6019/S-BIAD2146。

这里更接近“完整版数据入口”，包含每张切片对应的 SpatialData（.zarr）对象，以及配准后的 H&E 图像、DAPI 图像、空间转录组 transcript 信息、细胞/细胞核边界、细胞类型标签、图像块坐标、分割与分类掩码、部分预计算特征和技术验证相关文件等，适合希望深入分析空间转录组与病理图像配准关系的研究者使用。

如果主要目的是直接开展病理 AI 模型训练，可以优先使用 Hugging Face 上整理好的 patch 级数据版本。作者分别提供了 40× 和 20× 两个版本：
40×版本： https://doi.org/10.57967/hf/600837
20×版本： https://doi.org/10.57967/hf/600938

Hugging Face 版本可以理解为更方便下载和调用的“训练友好版”：数据以 parquet 格式组织，核心内容是从配准后的 H&E 全切片中切出的 256×256 图像块，并配套提供 cell ID mask 和细胞类型汇总表。40×版本共 587,555 张图像块，更适合细胞核级细节建模；20×版本共 154,814 张图像块，视野更大，更适合兼顾局部组织结构与细胞组成分析。