A completely annotated whole slide image dataset of canine breast cancer to aid human breast cancer research
一个完全注释的整个幻灯片图像数据集的犬乳腺癌,以帮助人类乳腺癌的研究
2020年文章,中科院分区:8.501 2区
github代码:https://github.com/DeepPathology/MITOS_WSI_CMC/
接着上一篇文章提出的CCMCT数据集,这篇文章提出CMC数据集。
摘要
犬类乳腺癌(CMC)已被用作研究人类乳腺癌发病机制的模型,通常采用相同的分级方案来评估两者的肿瘤恶性程度。这个分级方案的一个关键组成部分是有丝分裂图(MF)的密度。目前公开的人类乳腺癌数据集仅为整个幻灯片图像(WSIs)的一小部分提供注释。本文提出的CMC数据集,在21个WSIs图像上进行了有丝分裂图的完整注释。为此,病理学家筛选了所有WSIs,以寻找潜在的MF和具有相似外观的结构。第二个专家盲目地分配标签,对于不匹配的标签,第三个专家分配最终的标签。此外,我们使用机器学习来识别之前未检测到的MF。最后,我们进行表示学习和二维投影,进一步提高标注的一致性。我们的数据集包括13,907 MF和36,379硬底片(hard negatives)。我们在测试集上的f1平均得分为0.791,在人类乳腺癌数据集上的f1平均得分高达0.696。
背景与总结
Histologic assessment of tissue is the gold standard in tumor diagnosis and prognostication and is a key component in the selection of the best suited therapy.
组织组织学评估是肿瘤诊断和预测的金标准,是选择最佳治疗方案的关键组成部分。
对于乳腺癌的诊断,病理学家根据Elston和Ellis的方案对肿瘤进行分级。该方案基于三个标准:核多形性、小管形成和有丝分裂计数。其中,已知评分器内部和评分器内部高度不一致的成分是有丝分裂计数,即每个标准化区域进行细胞分裂的细胞相对密度
词汇记录
prognostication 预测
therapy 治疗
mammary carcinoma 乳腺癌
Out of these 除了这些