一个完全注释的病理幻灯片数据集,用于早期胃癌和癌前病变

科学领域:

• 病理学 病理学 病理学
• 胃肠病学 胃肠病学
• 人工智能的人工智能

背景情况:

• 胃癌是一个重大的全球健康挑战,死亡率高,特别是在晚期.
• 早期诊断和微创性治疗,如内镜下粘膜解剖 (ESD),对于改善患者的治疗结果至关重要.
• 对ESD标本的病理分析面临诸多挑战,包括观察者间的变性和密集劳动,阻碍了最佳治疗.

研究的目的:

• 策划一个全面的,完全注释的病理幻灯片数据集,用于内镜下粘膜解剖 (ESD) 标本.
• 解决注释数据集的稀缺问题,限制人工智能 (AI) 在计算病理学中的应用.
• 为了能够精确检测癌前胃病变,并准确量化病变分布.

主要方法:

• 专门用于ESD样本检查的完整注释病理幻灯片数据集的开发.
• 数据集策划的重点是使详细的病理分析和计算病理学任务成为可能.
• 整合病理学数据以加强与内镜发现的相关性.

主要成果:

• 创建一个具有挑战性的数据集计算病理学,促进ESD标本的高级分析.
• 允许精确检测癌前胃阶段和精确量化病变分布.
• 改善内镜观察和早期胃癌的病理解释之间的相关性.

结论:

• 精选的数据集对于推进人工智能在早期胃癌计算病理学的发展至关重要.
• 该资源支持精确的诊断,病变量化,并改善内镜和病理发现之间的相关性.
• 该数据集促进了用于预防和治疗早期胃癌的精准医学策略.