用于训练深度学习模型来检测人类大脑组织中的星球细胞的注释数据集
Alex Olar1,2, Teadora Tyler3, Paulina Hoppa3
1Eötvös Loránd University, Department of Physics of Complex Systems, Budapest, Hungary.
Scientific data
|January 19, 2024
概括
这项研究引入了人类大脑组织图像的新数据集,用于准确检测和定量星体细胞,关键的质细胞. 本资源有助于开发用于神经疾病研究的自动化工具.
科学领域:
- 神经科学是一个神经科学.
- 细胞生物学 细胞生物学
- 数字病理学数字病理学
背景情况:
- 星球细胞是一种质细胞,对神经元功能至关重要,其改变的形态和密度与神经系统疾病有关.
- 目前用于天体细胞检测和密度测量的方法是劳动密集型的,对于大规模研究来说是不可扩展的.
- 脱酶1家族成员L1 (ALDH1L1) 和状纤维酸蛋白 (GFAP) 是天体细胞识别的关键标记物.
研究的目的:
- 为了呈现人类大脑组织图像的新,全面的数据集,用于天体细胞研究.
- 促进用于天体细胞检测和定量自动化工具的开发.
- 为了能够更深入地研究天体细胞密度分布及其与神经病理学的相关性.
主要方法:
- 创建了一个数字整片图像的数据集,来自对ALDH1L1和GFAP染色的人类大脑组织.
- 图像被分割成8730个500x500像素的补丁.
- 数据集包括具有0.5019/pixel和0.3557/pixel像素大小的补丁,来源于16个幻灯片和8名患者.
主要成果:
- 数据集包括2323个ALDH1L1和4714个GFAP补丁,分辨率为0.5019/像素,以及1382个ALDH1L1和311个GFAP补丁,分辨率为0.3557/像素.
- 这种精心策划的人类大脑样本集合为计算病理学提供了宝贵的资源.
- 这些数据支持质细胞检测和量化方法的进步.
结论:
- 引入的数据集对于推进自动化天体细胞检测和量化,包括深度学习方法的发展至关重要.
- 它为探索人类大脑中的星细胞功能和密度变化提供了一个平台.
- 这种资源有可能显著扩大神经病理学研究的视野,并指导神经疾病的新诊断和治疗策略.


