基因病理学图像数据集 Ph 阴性骨髓扩散性瘤
Umi Kalsom Mohamad Yusof1, Syamsiah Mashohor1, Marsyita Hanafi1
1Department of Computer and Communication Systems Engineering, Faculty of Engineering, Universiti Putra Malaysia, 43400 UPM, Serdang, Selangor, Malaysia.
Data in brief
|August 28, 2023
概括
一个包含300张骨髓特雷芬图像的新数据集有助于诊断罕见的骨髓增殖性新生体 (MPNs). 本资源支持计算机视觉对基本血栓细胞血症,多细胞血症和初级骨髓纤维化进行分类,从而提高诊断准确度.
科学领域:
- 组织病理学 组织病理学
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 骨髓增殖性新生体 (MPN) 很少见,尽管医疗技术先进,但往往导致诊断延迟.
- 精确区分MPN亚型,如基本血小板血 (ET),多细胞血 (PV) 和原发性髓纤维化 (MF),对于有效的治疗至关重要.
- 骨髓特雷芬 (BMT) 图像的形态评估仍然是MPN诊断的基石.
研究的目的:
- 引入一套新的基因病理图像数据集,专注于常见的费城染色体 (Ph) 阴性MPNs.
- 促进计算机视觉应用程序的开发,用于MPN诊断和分类.
- 为了解决罕见的血液学疾病的诊断挑战.
主要方法:
- 策划了300张骨髓特雷芬 (BMT) 图像的数据集.
- 使用数字显微镜 (Olympus BX41) 拍摄的图像,放大度为x10,x20和x40.
- 数据集中在基本血小板血 (ET),多细胞血 (PV) 和初级骨髓纤维化 (MF).
主要成果:
- 数据集包括300个高质量的BMT图像,适合进行计算分析.
- 该数据集能够实现计算机视觉任务,包括图像细分,疾病分类和对象识别.
- 有助于开发人工智能驱动的工具,用于MPN亚型分类.
结论:
- 开发的BMT图像数据集是推动MPN诊断中的计算机视觉的宝贵资源.
- 从此数据集中获得的工具可以显著帮助医疗从业者诊断和区分MPN亚型.
- 通过技术整合,提高MPN等罕见疾病的诊断能力.
