SPMLD:非黑色素瘤的皮肤病理图像数据集,附有详细的病变区域注释

科学领域:

• 皮肤病理学 皮肤病理学
• 医学图像分析 医学图像分析
• 在瘤学中使用人工智能

背景情况:

• 皮肤瘤很常见,在侵入性导管癌 (IDN),状细胞癌 (SK) 和基底细胞癌 (BCC) 中具有相似的临床特征,导致高误诊率.
• 准确的诊断依赖于病理图像,但中国缺乏专业的皮肤病理学病理学家引入了诊断偏差.

研究的目的:

• 为三个常见的非黑色素瘤皮肤瘤建立皮肤病理图像数据集 (SPMLD).
• 开发一种针对这些瘤的自动智能识别系统.
• 为了提高诊断准确度和减少误诊率.

主要方法:

• 收集并扫描了成千上万的H&E染色组织部分,用于IDN,SK和BCC.
• 构建了SPMLD数据集,标记完整的损伤区域以改善学习.
• 提出了基于损伤区域的增强分类网络,其中包括KLS和注意力模块.

主要成果:

• 拟议的网络在SPMLD数据集上实现了准确的分类预测.
• 与各种基准网络相比,数据集注释和网络架构有效地增强了分类结果.
• 证明了对常见皮肤瘤的自动化,准确的差异诊断的潜力.

结论:

• 开发的SPMLD数据集和基于损伤区域的网络为准确,自动识别IDN,SK和BCC提供了一个有希望的解决方案.
• 这种方法可以帮助缓解由专家病理学家短缺造成的诊断偏见.
• 这项研究为进一步研究计算性皮肤病理学提供了宝贵的资源.