高分辨率AI图像数据集用于诊断口腔下纤维化和状细胞癌

科学领域:

• 病理学 病理学 病理学
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 口腔癌的诊断很大程度上依赖于组织病理学,由于有限的专家病理学家和观察者之间的变异性而面临挑战.
• 早期发现口腔癌和癌前病变至关重要,但由于诊断困难而受到阻碍.

研究的目的:

• 介绍ORCHID (口腔癌组织学图像数据库),这是一个专门的数据集,旨在促进人工智能驱动的口腔癌和癌前组织学研究.
• 支持人工智能模型的开发,以快速准确地诊断口腔下纤维化 (OSMF) 和口腔状细胞癌 (OSCC).

主要方法:

• 编制了一个广泛的,多中心收集高分辨率的口腔癌和癌前组织学图像.
• 图像被捕获在1000X有效放大 (100X目标镜头).
• 包括OSCC的详细分类,如分化良好 (WD),中度分化 (MD) 和差分化 (PD).

主要成果:

• 该ORCHID数据库提供了一个质量注释的数据集,对于训练深度学习算法至关重要.
• 数据集包括各种口腔病理,包括OSMF和OSCC的各种等级.
• 促进对基于人工智能的口腔癌和癌前癌症诊断工具的研究.

结论:

• ORCHID数据库是促进人工智能在口腔癌组织病理学方面的宝贵资源.
• 它旨在克服当前的诊断局限性,并通过人工智能驱动的工具来改善患者的治疗结果.
• 支持开发OSMF和OSCC的创新,快速诊断解决方案.