CPSMI2025:为基于深度学习的宫癌查提供常规巴氏涂片显微镜图像的精选数据集
José Ocampo-López-Escalera1, Martha Rosete-Aguilar2, Héctor Ochoa-Díaz-López1
1Departamento de Salud, El Colegio de la Frontera Sur, Carretera Panamericana y Periférico Sur S/N, Barrio de María Auxiliadora, C.P. 29290, San Cristóbal de las Casas, Chiapas, Mexico.
Data in brief
|December 9, 2025
概括
这项研究引入了CPSMI2025,这是一个新的巴氏涂抹图像数据集,用于帮助自动化宫癌查. 该资源解决了资源较少的地区的诊断瓶,改善了早期检测和患者的结果.
科学领域:
- * 医学成像分析分析
- * 计算机病理学
- * 癌症诊断 癌症诊断
背景情况:
- *宫癌是贫困地区癌症死亡的主要原因.
- * 传统的巴氏涂片查面临由于专家短缺的诊断局限性.
- * 需要自动选工具来克服这些瓶.
研究的目的:
- * 为了展示CPSMI2025,一个高分辨率的巴氏涂片图像数据集.
- * 支持开发自动化宫癌查工具.
- * 促进细胞学计算病理学的进步.
主要方法:
- * 策划了一组数据集,包括2169张帕普样显微镜图像.
- *图像代表了九个临床相关的细胞学类别.
- *数据来源于 >350个手动选的幻灯片,采用低成本的开源显微镜平台进行捕获.
主要成果:
- * CPSMI2025数据集现在可以用于研究.
- *数据集包括由病理学家和细胞技术专家预先分类的图像.
- * 能够开发和验证人工智能驱动的宫癌查算法.
结论:
- * CPSMI2025数据集可以加速自动化巴氏涂抹分析的发展.
- * 本资源有潜力改善服务不足地区的宫癌查的可访问性和准确性.
- * 促进人工智能在病理学中的转化,为全球健康带来好处.


