一个大型专家注释的单细胞外周血液数据集用于血液学疾病诊断

科学领域:

• 血液学 血液学 血液学
• 医学诊断 医学诊断 医学诊断
• 人工智能在医学中的应用

背景情况:

• 精确分类周围血液细胞对于诊断血液恶性瘤,包括白血病亚型至关重要.
• 使用人工智能 (AI) 进行细胞分类的自动化对提高诊断效率具有重大前景.
• 开发强大的AI算法需要大型,高质量和注释良好的单细胞数据集.

研究的目的:

• 引入并向公众提供对外围血液细胞图像的全面,注释数据集的访问权限.
• 为了促进机器学习模型的培训和验证,用于自动化血液细胞分类.
• 支持血液疾病可靠诊断工具的发展.

主要方法:

• 一个大型数据集 (>40,000张图像) 的编译,其中包括外周血液单细胞图像.
• 由慕尼黑白血病实验室的细胞形态学专家对图像进行专家分类,分为18种不同的细胞类型.
• 为了研究目的,对注释数据集的公开发布.

主要成果:

• 创建一个>40,000图像,公开可用,注释的外周血液细胞数据集.
• 数据集由专家细胞形态学家分为18种细胞类型.
• 建立医学和机器学习研究的宝贵资源.

结论:

• 发布的数据集是开发和验证基于AI的血液病诊断工具的重要资源.
• 这些数据的公开可用性将加速自动细胞分类的研究,并改善临床诊断.
• 该资源支持开发更可靠和临床相关的血液疾病诊断解决方案.