微观图像数据集用于基于深度学习的肺血管变化的定量评估
Aleksandr M Sinitca1, Asya I Lyanova1, Dmitrii I Kaplun2,3
1Centre for Digital Telecommunication Technologies, St. Petersburg Electrotechnical University "LETI", St. Petersburg, 197022, Russia.
Scientific data
|June 15, 2024
概括
这项研究引入了一个深度学习数据集,用于分析肺血管系统中的肺高血压 (PH). 该数据集有助于开发自动化工具,以更快,更准确地对PH进展进行组织学评估.
科学领域:
- 心血管病理学心血管病理学
- 医学成像分析 医学成像分析
- 计算生物学 计算生物学
背景情况:
- 肺高血压 (PH) 涉及肺血管的结构变化,影响预后.
- 原沉积使血管壁变厚,恶化PH,降低治疗效率.
- 肺血管的精确组织学分析至关重要,但耗时.
研究的目的:
- 提出一种新的数据集,用于基于深度学习的肺循环血管病理评估.
- 促进开发用于分析组织学微摄影的自动化软件.
- 解决PH研究中手工定量测量的局限性.
主要方法:
- 创建一个包含609张肺血管微摄影的数据集.
- 包括专家推导的定量测量和相应的注释图像.
- 使用U-Net进行深度学习管道的演示,用于血管区域的语义细分.
主要成果:
- 现在可以获得一个对注释的肺血管微图的综合数据集.
- 一个基于U-Net的深度学习模型成功地应用于血管区域提取.
- 该数据集支持开发PH的自动组织学分析工具.
结论:
- 提出的数据集和深度学习方法可以显著简化肺血管组织学分析.
- 自动化分析有可能提高PH研究和临床实践中的诊断准确性和效率.
- 该资源将加速用于评估心血管病理学的新计算工具的开发.


