瑞瓦:一组图像数据集的传统的巴氏涂抹细胞学与多个独立的注释
Paula Perez Bianchi1, Sol Anselmo2, Malena Vásquez Currié2
1Departamento de Computación (DC), Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires (UBA), Buenos Aires, Argentina.
这项研究引入了RIVA,这是用于宫癌查的传统巴氏涂片图像的新数据集. 高质量的,专家注释的数据集支持人工智能开发,以改善诊断.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 传统的巴氏涂抹对于宫癌查至关重要,特别是在资源较少的环境中.
- 现有的图像数据集主要使用基于液体的制剂,限制了对传统涂抹的AI开发.
- 需要高质量的,注释的数据集传统的巴氏涂片图像.
研究的目的:
- 介绍RIVA,一种新的,高分辨率的图像数据集,用于传统的巴氏涂抹.
- 为培训和评估用于宫癌检测的人工智能模型提供强大的基础真相.
- 为了使在宫细胞学分类中能够分析注释器间的一致性.
主要方法:
- 从115名患者中收集了959张常规巴氏涂片图像 (1024x1024 px) 在40倍放大.
- 使用贝塞斯达分类系统的注释图像,最多有四名独立的医疗专业人员.
- 详细的注释包括15949个独特细胞的核坐标和分类标签.
主要成果:
- RIVA数据集包括八个贝塞斯达类别的26,158个注释,包括癌前病变 (SCC,HSIL,ASCH,LSIL,ASCUS) 和非病变类型 (NILM,ENDO,INFL).
- 实现了高的注释者间协议:94%的损伤与非损伤和74%的整个八类计划.
- 该数据集为人工智能模型开发提供了基于共识的基本真理.
结论:
- 瑞瓦 (RIVA) 是一个有价值的资源,用于推进人工智能在宫癌查使用传统的巴氏涂抹.
- 数据集的质量和详细的注释促进了强大的AI培训和验证.
- 高度的注释者间协议验证了数据集对AI开发和研究的可靠性.
更多相关视频
13:01Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment
Published on: June 3, 2022
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System
Published on: July 11, 2025
相关概念视频
Imaging Studies I: Kidney, Ureter, and Bladder Studies
Imaging Studies V: Intravenous Urography and Retrograde Pyelography
Imaging Studies VI: Voiding Cystourethrography and Cystography
Imaging Studies VII: Vascular Imaging
