血氨酸和氨酸染色的整片幻灯片图像数据集,对皮肤组织细分进行注释

科学领域:

• 皮肤病学 皮肤病学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 皮肤疾病显著影响患者的健康和福祉,特别是在具有并存疾病的老年人中.
• 早期发现皮肤疾病对于预防其进展和减轻患者负担至关重要.
• 深度学习模型需要广泛的数据集,以便在医学诊断方面进行有效的培训.

研究的目的:

• 为人工智能驱动的诊断研究引入一种新的血素和色染色全片皮肤图像数据集.
• 促进用于早期皮肤病识别的自动化系统的开发.
• 提供一个验证的资源培训和评估深度学习模型在他的病理学.

主要方法:

• 38个全幻灯片的血素和素染色皮肤图像与相应的面具的汇编.
• 将图像分为12个不同的类别,包括各种皮肤组织,癌症和层.
• 使用SegFormer模型对图像细分的数据集实用性的验证.

主要成果:

• 数据集包括38个全幻灯片图像,涵盖12个与皮肤病理相关的类别.
• 对数据集的SegFormer模型验证产生了0.875.5的整体准确性.
• 该数据集为训练皮肤疾病诊断的AI模型提供了宝贵的资源.

结论:

• 新发布的数据集支持AI在皮肤病诊断方面的进步.
• 通过在综合数据集上训练的AI驱动工具,可以提高准确和早期的皮肤病识别.
• 该资源有助于研究人员开发更有效的皮肤疾病诊断过程.