A completely annotated whole slide image dataset of canine breast cancer to aid human breast..笔记

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

参考内容

[1] A completely annotated whole slide image dataset of canine breast cancer to aid human breast cancer research