凯希:用于宫腺癌的基因病理学H&E图像数据集in situ识别,检索和少数镜头学习评估
Xinyi Yang1,2, Chen Li1,2, Ruilin He1,2
1Microscopic Image and Medical Image Analysis Group, College of Medicine and Biological Information Engineering, Northeastern University, Shenyang, Liaoning 110167, China.
Data in brief
|February 26, 2024
概括
一个包含2240张宫组织病理图像的新数据集,宫腺癌在位 (CAISHI),有助于早期发现宫癌. 本资源支持开发先进的计算机辅助诊断工具,以提高查准确度.
科学领域:
- 数字病理学数字病理学
- 医学成像医学成像
- 计算机辅助诊断是一种计算机辅助的诊断.
背景情况:
- 宫癌查依赖于准确的组织病理学分析.
- 对于宫腺癌 in situ (AIS) 的公开可用的高分辨率数据集存在差距.
- 标准化数据集对于开发和验证人工智能驱动的诊断工具至关重要.
研究的目的:
- 建立一个全面的基准组织病理图像数据集,用于宫腺癌在现场 (CAISHI).
- 促进用于宫癌诊断的计算机视觉和机器学习研究.
- 支持开发用于早期检测的自动诊断算法.
主要方法:
- 从内镜活检中整理了2240张血素和 (H&E) 染色图像 (1010张正常,1230张AIS) 的数据集.
- 这些图像是用Axio Scope.A1显微镜在100倍放大下拍摄的.
- 机器学习和计算机视觉方法,包括k-means,SVM,RF,ResNet50,ViT,Inception-V3,VGG-16和语网络,用于分析和评估.
主要成果:
- 凯希数据集包括2240个高分辨率 (3840 × 2160像素, .png格式) 的图像.
- 性能评估包括分类任务 (例如ResNet50,ViT) 和使用各种功能 (颜色,纹理,深度学习) 的图像检索.
- 语网络被用来评估少数人学习能力.
结论:
- 凯希数据集解决了宫腺癌实地研究的关键数据缺口.
- 这种资源可以加速开发人工智能驱动的工具,以更准确,更高效的宫癌查.
- 该数据集促进了用于早期检测宫癌的自动诊断算法的进步.
