HiCervix:一个广泛的层次数据集和对宫细胞学分类的基准

科学领域:

• 医学成像分析分析 医学成像分析
• 计算病理学计算病理学
• 瘤学查 查瘤学查

背景情况:

• 宫细胞学对于早期癌症检测至关重要,但准确的细胞分类是具有挑战性的.
• 现有的自动化方法由于有限,粗的数据集而缺乏全面的分析.
• 现实世界的细胞病理学需要超越广泛细胞类型的详细分类.

研究的目的:

• 介绍HiCervix,这是最大的公共多中心宫细胞学数据集.
• 开发HierSwin,用于细粒度细胞分类的层次视觉转换器.
• 在宫癌查中建立详细特征学习的基准.

主要方法:

• 从4,496张整片图像中收集了40,229个宫细胞,用于HiCervix数据集.
• 在三级层次结构中,注释的单元格分为29个类别.
• 提出HierSwin,一个网络利用层次结构进行分类.

主要成果:

• HiCervix数据集为宫细胞学研究提供了广泛的细粒度数据.
• HierSwin实现了92.08%的粗度准确度和82.93%的平均等级准确度.
• HierSwin的表现优于细胞病理学家 (0.8293与0.7359的平均准确率).

结论:

• HiCervix数据集和HierSwin模型推进了用于宫癌查的深度学习.
• 这项工作为改善癌症预防和患者治疗结果提供了潜力.
• HierSwin在自动化细胞病理学分析中展示了临床适用性.