PCPAm - 一个用于分类任务的阴茎癌组织病理图像数据集

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 计算病理学计算病理学

背景情况:

• 阴茎癌的发病率与社会文化因素有关,不成比例地影响像巴西这样的欠发达地区.
• 对于阴茎癌研究而言,公开可用的基因病理图像数据集非常稀缺.
• 现有的研究往往侧重于二进制分类,限制了更深入的分析.

研究的目的:

• 为了解决阴茎癌的稀缺性,他的病理学图像数据.
• 为超越二进制分类的机器学习任务提供多功能数据集.
• 为了促进研究阴茎癌的诊断和了解HPV的作用.

主要方法:

• 在2021年收集了194张高分辨率的H&E染色阴茎组织活检图像.
• 这些图像是使用雷卡ICC50高清摄像机和雷卡DM500显微镜拍摄的,放大度为40X和100X.
• 数据集包括病态分类 (瘤/非瘤),组织学等级和HPV状态元数据.

主要成果:

• 现在可以获得194张阴茎癌组织病理学图像的综合数据集.
• 数据集按放大分类,包括关键的元数据,如组织学等级和HPV状态.
• 扩展标签允许多标签分类和先进的预测建模.

结论:

• 这一数据集显著增强了阴茎癌研究和人工智能开发的资源.
• 它支持先进的机器学习任务,包括HPV检测和组织学分类.
• 该数据集对于模型基准测试和在瘤学中推进诊断工具非常有价值.