SPIDER: Un Dataset Completo di Patologia Multi-Organo Supervisionato e Modelli di Riferimento

SPIDER: A Comprehensive Multi-Organ Supervised Pathology Dataset and Baseline Models

March 4, 2025

Autori: Dmitry Nechaev, Alexey Pchelnikov, Ekaterina Ivanova

cs.AI

Abstract

Il progresso dell'IA nella patologia computazionale richiede dataset ampi, di alta qualità e diversificati, ma gli attuali dataset pubblici sono spesso limitati nella diversità degli organi, nella copertura delle classi o nella qualità delle annotazioni. Per colmare questa lacuna, presentiamo SPIDER (Supervised Pathology Image-DEscription Repository), il più grande dataset disponibile pubblicamente a livello di patch che copre diversi tipi di organi, tra cui pelle, colon-retto e torace, con una copertura completa delle classi per ciascun organo. SPIDER fornisce annotazioni di alta qualità verificate da patologi esperti e include patch di contesto circostante, che migliorano le prestazioni di classificazione fornendo un contesto spaziale. Insieme al dataset, presentiamo modelli di base addestrati su SPIDER utilizzando il modello fondazionale Hibou-L come estrattore di caratteristiche combinato con una testa di classificazione basata sull'attenzione. I modelli raggiungono prestazioni all'avanguardia in diverse categorie di tessuti e rappresentano solidi benchmark per la futura ricerca in patologia digitale. Oltre alla classificazione delle patch, il modello consente l'identificazione rapida di aree significative, metriche quantitative dei tessuti e getta le basi per approcci multimodali. Sia il dataset che i modelli addestrati sono disponibili pubblicamente per promuovere la ricerca, la riproducibilità e lo sviluppo dell'IA nella patologia. È possibile accedervi al seguente indirizzo: https://github.com/HistAI/SPIDER

English

Advancing AI in computational pathology requires large, high-quality, and diverse datasets, yet existing public datasets are often limited in organ diversity, class coverage, or annotation quality. To bridge this gap, we introduce SPIDER (Supervised Pathology Image-DEscription Repository), the largest publicly available patch-level dataset covering multiple organ types, including Skin, Colorectal, and Thorax, with comprehensive class coverage for each organ. SPIDER provides high-quality annotations verified by expert pathologists and includes surrounding context patches, which enhance classification performance by providing spatial context. Alongside the dataset, we present baseline models trained on SPIDER using the Hibou-L foundation model as a feature extractor combined with an attention-based classification head. The models achieve state-of-the-art performance across multiple tissue categories and serve as strong benchmarks for future digital pathology research. Beyond patch classification, the model enables rapid identification of significant areas, quantitative tissue metrics, and establishes a foundation for multimodal approaches. Both the dataset and trained models are publicly available to advance research, reproducibility, and AI-driven pathology development. Access them at: https://github.com/HistAI/SPIDER