哈萨克斯坦HER2乳腺癌数字图像数据集:ADEL数据集

科学领域:

• 数字病理学数字病理学
• 在瘤学中使用人工智能
• 生物医学成像技术 生物医学成像技术

背景情况:

• 乳腺癌,特别是HER2阳性亚型,需要准确的诊断以获得有效的向治疗.
• 高质量的注释数字数据集对于在数字病理学中开发AI驱动的诊断工具至关重要.
• 目前数据集可用性的局限性阻碍了AI在乳腺癌诊断方面的进步.

研究的目的:

• 提供一个全面的数据集的数字乳腺癌组织图像与免疫组织化学人体表皮生长因子受体2 (HER2) 表达.
• 促进机器学习模型的培训和验证,用于乳腺癌的诊断和分类.
• 支持对病理学家和在瘤形态学方面的住院医生的教育倡议.

主要方法:

• 固定在甲上,嵌入 (FFPE) 乳腺癌组织样本被染色以检测HER2的表达.
• 使用全自动扫描仪以40倍的放大率对免疫组织化学染色的幻灯片进行了数字化.
• 使用非重叠的滑动窗口方法,SVS文件被预处理成1000x1000像素的JPEG,用于机器学习应用程序.
• 专家病理学家提供了临床数据和病理学注释.

主要成果:

• 创建了一个包含418个子文件的数据集,其中包含乳腺癌组织样本的数字图像.
• 图像代表HER2表达类0,1+,2+和3+,有详细的病理注释.
• 数据集被优化为机器学习,根据原始幻灯片大小生成可变的子图像.

结论:

• 这一数据集是开发和验证乳腺癌诊断中的AI模型的宝贵资源.
• 它使HER2阳性乳腺癌的自动识别和分类取得了进展.
• 该数据集是研究和病理学专业人员教育的关键工具.