一个大型的多焦点数据集用于白细胞分类

科学领域:

• 医学诊断 医学诊断 医学诊断
• 计算病理学计算病理学
• 生物医学成像学 生物医学成像学

背景情况:

• 白血细胞 (WBC) 差异测试是一种常见的诊断试验,需要专家手动审查血液涂抹.
• 自动化数字显微镜在WBC分析中提供了提高效率和减少劳动力的潜力.
• 现有的WBC分类数据集存在挑战,因为数字显微镜的质量,分辨率和深度问题各不相同.

研究的目的:

• 提供专门为白细胞 (WBC) 分类设计的全面,多重点数据集.
• 为了解决目前血液细胞高放大数字显微镜数据集的局限性.
• 通过改进的成像技术,促进基于机器学习的WBC分类的进步.

主要方法:

• 开发一套新型数据集,包括72名患者的25773张图像堆.
• 包括18个正常和异常白血球类别,标签由两位专家审查.
• 使用50X显微镜获取图像,以400nm间隔捕获10个z-stack (每个为200x200像素),以确保更深的景深.

主要成果:

• 一个大规模的,高质量的数据集,适用于多焦点WBC图像分析.
• 详细的图像数据,包括多个焦点平面,对于精确的细胞形态至关重要.
• 对18个不同的WBC类别进行专家验证的标签,支持强大的模型培训.

结论:

• 提出的多重点数据集是培训和验证自动化WBC分类机器学习模型的宝贵资源.
• 这一数据集解决了数字显微镜的关键挑战,特别是深度问题,使血细胞图像能够更准确地分析.
• 预计这一全面数据集的可用性将大大有助于开发更高效,更可靠的血液学自动诊断工具.