相关实验视频
Updated: May 17, 2025
09:04
Generation of Self-assembled Vascularized Human Skin Equivalents
Published on: February 12, 2021
6.2K
一个带有全幻灯片图像的细胞皮肤数据集,用于深度学习模型
Rocío Del Amor1,2, Miguel López-Pérez3, Pablo Meseguer3
1Instituto Universitario de Investigación en Tecnología Centrada en el Ser Humano, HUMAN-tech Universitat Politècnica de València, Valencia, Spain. madeam2@upv.es.
Scientific data
|May 14, 2025
概括
这项研究介绍了AI4SkIN,这是使用众包标签的皮肤状细胞瘤 (CSC) 的新数据集. 在非专家标签上训练的模型在CSC诊断方面表现与专家标签相比.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 机器学习在诊断中的应用.
背景情况:
- 皮肤状细胞 (CSC) 病变给病理学家带来了诊断挑战.
- 计算机辅助诊断 (CADx) 系统需要大量的注释数据集进行培训.
- 手动注释数据是耗时和昂贵的,阻碍了CADx的开发.
研究的目的:
- 推出AI4SkIN,这是首个针对CSC瘤的全幻灯片图像 (WSI) 的公共数据集.
- 验证使用众包来对CSC瘤的WSIs进行注释的使用.
- 评估在众包与专家标签上训练的机器学习模型的性能.
主要方法:
- 开发AI4SkIN,这是641个H&E染色WSI的数据集,用于CSC瘤.
- 实施了一种创新的众包协议,用于非专家注释者对WSI进行注释.
- 在非专家和专家标签上使用高斯过程的机器学习模型的培训和验证.
主要成果:
- AI4SkIN数据集包含专家和实习病理学家的多类标签.
- 在非专家众包标签上训练的机器学习模型实现了与专家标签上训练的模型相比的性能.
- 证明了众包对大规模WSI数据集注释的有效性.
结论:
- AI4SkIN是开发和验证用于多类CSC瘤分类的机器学习方法的宝贵资源.
- 众包是一种可行的策略,可以克服数字病理学的注释瓶.
- 非专家的注释可以为CSC瘤诊断提供有效的模型.
