Cx22:一种新的公开可用的数据集,用于基于深度学习的宫细胞学图像的细分
Guangqi Liu1, Qinghai Ding2, Haibo Luo3
1Key Laboratory of Opto-Electronic Information Processing, Chinese Academy of Sciences, Shenyang, 110016, China; Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang, 110016, China; Institutes for Robotics and Intelligent Manufacturing, Chinese Academy of Sciences, Shenyang, 110169, China; University of Chinese Academy of Sciences, Beijing, 100049, China.
Computers in biology and medicine
|October 20, 2023
概括
一个新的数据集,Cx22,解决了缺少用于宫细胞学图像细分的高质量数据的问题. 这一数据集可以开发先进的深度学习模型,以改善宫癌查.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 计算生物学 计算生物学
背景情况:
- 宫细胞学图像细分对于自动查至关重要.
- 深度学习方法看起来很有前途,但受到有限,低质量的数据集的阻碍.
- 现有的数据集往往包含人工数据或假负对象,阻碍了进步.
研究的目的:
- 介绍Cx22,用于宫细胞学图像细分的新型高质量数据集.
- 为此领域的基于深度学习的细分方法提供一个基准.
- 促进开发更准确的自动化宫癌查工具.
主要方法:
- 通过在1320张图像中精心注释14946个细胞实例,开发了Cx22数据集.
- 采用了一种基于ROI的标签裁剪算法,以实现高效的注释.
- 建议基线深度学习模型用于语义和实例细分任务,使用Cx22.
主要成果:
- 验证了Cx22数据集对细分任务的适用性.
- 证明了假负对象对细分模型性能的显著影响.
- 建立了Cx22作为未来研究的基础资源.
结论:
- Cx22数据集提供了高质量的资源,以推进宫细胞学图像细分的深度学习.
- 解决虚负对象对于提高细分精度至关重要.
- Cx22将加速强大的自动化宫癌查系统的开发.


