NuInsSeg:一个完全注释的数据集,用于H&E染色组织图像中的核实例细分
Amirreza Mahbod1,2, Christine Polak3, Katharina Feldmann3
1Research Center for Medical Image Analysis and Artificial Intelligence, Department of Medicine, Danube Private University, Krems an der Donau, 3500, Austria. amirreza.mahbod@dp-uni.ac.at.
Scientific data
|March 15, 2024
概括
研究人员发布了NuInsSeg,这是一个用于细胞核实例细分在组织学图像中的大型数据集. 这个数据集通过提供超过3万个手动注释的核和模两可的区域面罩来帮助计算病理学.
科学领域:
- 数字病理学数字病理学
- 组织病理学图像分析分析.
- 计算生物学是一种计算生物学.
背景情况:
- 在计算病理学中,自动核实例细分对于整个幻灯片图像分析至关重要.
- 监督深度学习 (DL) 方法在细分方面表现出色,但需要大量的注释数据,这在医学领域很难获得.
研究的目的:
- 介绍NuInsSeg,这是一个用于核实例细分的综合数据集.
- 为培训和评估细胞病理学DL模型提供一个有价值的资源.
- 通过包含模两可的区域面罩来解决数据注释的挑战.
主要方法:
- 创建一个大规模的数据集 (NuInsSeg),用手动注释的核心.
- 包括模两可的区域面罩来表示注释不确定的区域.
- 数据集包括来自31个人类和小鼠器官的665个图像补丁,包含超过3万个细分核.
主要成果:
- 开发了最大的手动注释核数据集之一,用于H&E染色图像.
- 引入模两可的区域标签,这是一个针对具有挑战性的地区的新注释类型.
- 公开发布数据集和注释说明,以促进研究.
结论:
- 在计算病理学中,NuInsSeg是推动核实例细分的重要资源.
- 含有模两可的领域,增强了数据集的实用性,用于稳健的模型开发.
- 公共可用性促进可重现性和进一步的研究在他的病理学图像分析.
