在子宫内膜活检中检测恶性瘤的子宫内膜全片图像数据集

科学领域:

• 数字病理学数字病理学
• 机器学习在组织病理学中的应用.
• 计算病理学计算病理学

背景情况:

• 全幻灯片成像 (WSI) 将组织学幻灯片数字化用于数字分析,在病理学研究,教育和诊断中具有价值.
• 子宫内膜活检常用于排除非癌症疾病,这在有效识别严重病理方面构成了挑战.
• 精心策划,专家注释的子宫内膜WSI数据集对于人工智能驱动的自动诊断和研究至关重要.

研究的目的:

• 引入一个大规模的,专家注释的子宫内膜活检全幻灯片图像数据集.
• 支持机器学习模型的开发,用于自动地对子宫内膜异常进行分类.
• 促进子宫内膜病理学的研究和教育.

主要方法:

• 构建一个包含2909个全幻灯片图像的数据集,以iSyntax格式.
• 每个整个幻灯片图像的注释与主要类别标签 (诊断) 和子类别标签.
• 为每个图像提供JSON格式的相应注释文件.

主要成果:

• 现在可以使用一个新建的,大规模的子宫内膜活检样本数据集.
• 该数据集包括2,909个全幻灯片图像,附有详细的诊断标签.
• 类标签可以开发人工智能模型来区分子宫内膜异常.

结论:

• 创建高质量的注释数据集需要在注释准确性,数据完整性和隐私方面做出重大努力.
• 提供注释良好的数据集对于推进数字病理学和人工智能应用至关重要.
• 这种资源可以提高诊断的准确性,个性化治疗,并改善患者的子宫内膜条件的结果.