CNSeg:用于宫核细分的数据集
Jing Zhao1, Yong-Jun He2, Shu-Hang Zhou3
1Northeast Forestry University, Mechanical and Electrical Engineering, Harbin 150006, China.
Computer methods and programs in biomedicine
|August 6, 2023
概括
本研究介绍了最大的宫核细分数据集CNSeg,以改进自动细胞病理诊断. 数据集有助于全面评估细分方法,以提高诊断准确度.
科学领域:
- 医疗图像分析 医学图像分析
- 计算病理学计算病理学
- 细胞病理学 细胞病理学
背景情况:
- 核细分对于自动化细胞病理学诊断至关重要.
- 由于规模和范围有限,现有的公共数据集不足以进行可靠的评估.
- 需要一个全面的数据集来推进核细分技术.
研究的目的:
- 引入最大的宫核细分 (CNSeg) 数据集.
- 为了促进核细分算法的全面评估.
- 解决现有数据集在数量,多样性和复杂性方面的局限性.
主要方法:
- 开发了来自1530名患者的124,000个注释核的CNSeg数据集.
- 包括各种图像条件:微生物感染,异质性和重叠的核.
- 为有针对性的评估创建了专门的子集 (PatchSeg,ClusterSeg,DomainSeg),并提出了一种用于重叠核的后处理方法.
主要成果:
- CNSeg数据集可以在各种场景中对细分方法进行全面评估.
- 实验证明了数据集在从多个角度评估绩效方面的实用性.
- 拟议的后处理方法有助于改进重叠核的细分.
结论:
- CNSeg数据集是推动宫核细分的宝贵资源.
- 它为评估和比较细分算法提供了一个标准化的基准.
- 为研究人员提供了有效利用数据集的指导方针.
