有注释的巴氏细胞图像和涂抹片用于细胞分类.
David Kupas1, Andras Hajdu2, Ilona Kovacs3
1Department of Data Science and Visualization, Faculty of Informatics, University of Debrecen, Debrecen, Hungary. kupas.david@inf.unideb.hu.
Scientific data
|July 7, 2024
概括
一个新的数据集,APACC (注释巴氏细胞图像和细胞分类涂抹片),提供超过10万张图像,以改进人工智能驱动的宫癌查. 本资源旨在克服当前数据对机器学习进步的局限性.
科学领域:
- 生物医学成像技术 生物医学成像技术
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 机器学习有助于全球宫癌检测工作.
- 目前用于宫部查的AI研究受到稀缺的公共图像数据的限制.
- 手动分析巴氏涂片是劳动密集型的,需要专家的解释.
研究的目的:
- 引入APACC,这是一个用于宫细胞分类的大规模注释数据集.
- 为了解决阻碍人工智能在子宫癌查中的发展的数据短缺问题.
- 为机器学习模型培训和验证提供全面的资源.
主要方法:
- APACC数据集的开发,包括103,675个注释的细胞图像.
- 从107个整体巴氏涂片中提取图像.
- 在涂抹中对21,371个子区域进行注释,以便进行详细分析.
主要成果:
- APACC数据集包含大量注释的细胞图像和涂抹子区域.
- 它包括在传统的巴氏涂抹中为细胞图像提供详细的位置信息.
- 这一数据集有助于对宫细胞进行深入的调查和研究.
结论:
- APACC显著扩大了基于人工智能的子宫癌查研究的可用资源.
- 数据集的全面性质支持开发更准确和更强大的机器学习模型.
- APACC准备加速自动化巴氏涂片分析和早期癌症检测方面的进步.


