在数字化巴氏涂片图像中的细胞的像素智能细分
Balazs Harangi1, Gergo Bogacsovics2, Janos Toth2
1Department of Data Science and Visualization, Faculty of Informatics, University of Debrecen, Debrecen, Hungary. harangi.balazs@inf.unideb.hu.
Scientific data
|July 6, 2024
概括
这项研究介绍了APACS23数据集,其中包括来自巴氏涂片图像的37,000个手工细分的细胞. 这个资源通过改善细胞细分来提高诊断准确度,帮助人工智能查宫癌.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 医疗保健中的人工智能
背景情况:
- 宫癌查依赖于巴氏涂片图像的微观分析.
- 精确的细胞细分对于训练数字病理学的AI系统至关重要.
- 现有的数据集可能缺乏强大的深度学习模型所需的规模和注释精度.
研究的目的:
- 为了介绍APACS23数据集用于细胞细分在巴氏涂抹图像.
- 为人工智能驱动的宫癌查提供一个大规模的,手动注释的资源.
- 为评估细胞细分算法建立一个基准.
主要方法:
- 从巴氏涂片图像中手动细分大约37,000个细胞.
- 创建 APACS23 数据集,并提供专门的培训和测试分区.
- 专注于准确的注释,用于深度学习模型培训.
主要成果:
- APACS23数据集包括37000个手动细分的单元.
- 数据集被分为用于模型开发和验证的培训和测试集.
- 为推进人工智能在宫癌检测方面提供了宝贵的资源.
结论:
- APACS23数据集对基于AI的宫癌查做出了重大贡献.
- 它可以开发和对先进的细胞细分技术进行基准测试.
- 促进减少宫癌查虚假阴性结果的研究.
