公共可用的乳腺组织病理学数据集H&E全幻灯片图像:一个范围审查
Masoud Tafavvoghi1, Lars Ailo Bongo2, Nikita Shvetsov2
1Department of Community Medicine, Uit The Arctic University of Norway, Tromsø, Norway.
Journal of pathology informatics
|February 26, 2024
概括
本次审查确定了17个公共乳腺癌数据集用于深度学习. 它强调了数据集可用性和元数据一致性在计算病理学研究中的挑战.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 瘤学中的深度学习
背景情况:
- 数字病理学和计算能力的进步正在推动乳腺癌诊断的计算病理学.
- 开发准确的深度学习模型受到高质量,标记为病原体图像的有限访问的阻碍.
研究的目的:
- 为了深度学习,识别和描述公开可用的乳腺癌组织病理学数据集.
- 为帮助研究人员选择适合计算病理学任务的数据集提供资源.
- 突出目前用于乳腺癌研究的数据集使用和报告的局限性.
主要方法:
- 对9个科学文献数据库和9个研究数据库进行系统搜索.
- 识别和编制公开可用的乳房H&E染色全幻灯片图像 (WSIs).
- 报告17个已识别的数据集的图像元数据和特征.
主要成果:
- 确定了17个公共数据集,包括10,385个乳腺癌H&E WSIs.
- 报告了每个数据集的元数据和特征,以指导数据集选择.
- 分析显示,多个数据集 (28%) 和外部验证 (14%) 的使用有限,这表明模型性能可能被高估.
- 在52%的研究中使用的TCGA-BRCA数据集显示出选择偏差影响算法的概括性.
- 不一致的元数据报告被确定为一个重大问题.
结论:
- 需要标准化指导方针来记录乳腺WSI数据集特征和元数据.
- 解决数据集的局限性对于开发乳腺癌计算病理学的强大和可概括的深度学习模型至关重要.
- 进一步的研究应侧重于利用多样化的数据集和严格的验证策略.
