一个开放的骨髓巨核细胞数据集用于自动化形态学研究

科学领域:

• 血液学 血液学 血液学
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 准确的巨核细胞分类对于诊断血液学疾病,如骨髓质疏松症候群 (MDS) 至关重要.
• 现有的深度学习 (DL) 应用程序因缺乏高质量,开放许可的巨核细胞数据集而受到限制.
• 这种差距阻碍了自动诊断工具的发展.

研究的目的:

• 介绍MK-11,这是第一个公开可用的数据集,用于大核细胞亚型分类.
• 建立一个基准,用于评估DL模型在巨核细胞形态评估.
• 为了促进血液学疾病和血小板生产的研究.

主要方法:

• 策划了7204张赖特-吉姆萨染色单细胞图像的数据集 (MK-11),涵盖了11种巨核细胞亚型.
• 图像由两位经验丰富的血液病理学家使用标准化标准和共识审查进行注释.
• 在数据集上评估了最先进的深度学习模型 (CNN,变压器).

主要成果:

• 通过使用各种神经网络,建立了强大的基线性能,用于巨核细胞分类.
• 证明了DL模型的可行性,用于自动化巨核细胞亚型识别.
• 提供标准化的交叉验证分区和可重复性评估脚本.

结论:

• MK-11是第一个允许开发和评估自动大核细胞形态评估的公开数据集.
• 该资源将加速对MDS和相关血小板疾病的研究和诊断工具的开发.
• 数据集和相关代码在开放许可证下发布,以促进进一步的研究.