医学图像检测任务最新研究6月30更新--细胞检测：A Large-scale Multi Domain Leukemia Dataset

1. 创新与工作主要内容

创新点总结

本文提出了一个大规模的多领域白血病数据集，专注于具有形态学属性的白细胞（WBC）检测，以提高白血病的早期诊断率。创新之处在于使用不同成本范围的两种显微镜（高成本显微镜HCM和低成本显微镜LCM）以及不同分辨率（100x、40x、10x）和传感器来收集数据，这增加了数据集的多样性和现实世界应用的泛化能力。此外，本文还提出了一种新的多头部对象检测方法，称为AttriDet，它不仅能够检测WBC的类型，还能预测它们的形态学属性，从而为白血病的预后提供可解释的辅助意见。

摘要部分翻译

标题：A Large-scale Multi Domain Leukemia Dataset for the White Blood Cells Detection with Morphological Attributes for Explainability

摘要：早期诊断白血病每年可以挽救数千人的生命。没有白细胞（WBC）的形态学信息，白血病的预后是具有挑战性的，并且依赖于昂贵的显微镜和血液学家分析外周血样（PBS）的可用性。深度学习方法可以被用来辅助血液学家。然而，这些算法需要大量的标记数据，而这些数据并不容易获得。为了克服这个限制，我们获取了一个现实、通用且大规模的数据集。为了收集这个全面的数据集以用于现实世界的应用，我们使用了两种不同成本范围的显微镜（高成本：HCM和低成本：LCM）在三种放大倍数（100x、40x、10x）下通过不同的传感器（HCM的高端相机，LCM的中档相机和两者的手机相机）进行数