一个带有临床元数据和全幻灯片图像的Spitzoid瘤数据集用于深度学习模型

科学领域:

• 皮肤病理学 皮肤病理学
• 计算病理学计算病理学
• 医学中的人工智能.

背景情况:

• 尖子瘤 (ST) 是一种具有诊断挑战性的黑色素细胞新生体.
• 不确定性仍然存在,特别是对于未知恶性潜力的斯皮茨瘤 (STUMP) 或非典型的斯皮茨瘤.
• 使用全幻灯片成像 (WSI) 诊断黑色细胞瘤现有的深度学习 (DL) 研究是有限的,并且经常排除STUMP.

研究的目的:

• 建立第一个全面的Spitzoid瘤 (ST) 整片图像 (WSI) 的数据集,用于深度学习 (DL) 模型开发.
• 包括多种ST分类:良性,恶性和非典型 (STUMP).
• 为此数据集应用的DL模型提供验证示例.

主要方法:

• 创建SOPHIE:一个新型数据集,包括ST的WSIs和详细的标签 (良性,恶性,非典型/STUMP).
• 包括相关的患者临床信息.
• 实施和解释两个DL模型作为数据库验证的概念验证.

主要成果:

• 开发SOPHIE,这是首个专门针对ST的WSI数据集,包括良性,恶性和STUMP类别.
• 使用SOPHIE数据集展示DL模型性能.
• 建立一个资源,以促进AI在诊断复杂的黑色素细胞瘤.

结论:

• 索菲数据集解决了对Spitzoid瘤DL研究的资源严重缺口.
• 这一数据集促进了人工智能工具的开发和验证,以改善ST的诊断,包括具有挑战性的STUMP病例.
• 索菲准备在皮肤病理学中推进计算病理学.