[論文レビュー] Hematoxylin and eosin stained oral squamous cell carcinoma histological images dataset
この論文はOCDCデータセットを提示する。1,020枚のH&E染色オーラル扁平上皮癌の病理画像（20x拡大時640x640）と手動でラベル付けされた腫瘍領域を含み、病理医によって検証されている。
Computer-aided diagnosis (CAD) can be used as an important tool to aid and enhance pathologists' diagnostic decision-making. Deep learning techniques, such as convolutional neural networks (CNN) and fully convolutional networks (FCN), have been successfully applied in medical and biological research. Unfortunately, histological image segmentation is often constrained by the availability of labeled training data once labeling histological images for segmentation purposes is a highly-skilled, complex, and time-consuming task. This paper presents the hematoxylin and eosin (H&E) stained oral cavity-derived cancer (OCDC) dataset, a labeled dataset containing H&E-stained histological images of oral squamous cell carcinoma (OSCC) cases. The tumor regions in our dataset are labeled manually by a specialist and validated by a pathologist. The OCDC dataset presents 1,020 histological images of size 640x640 pixels containing tumor regions fully annotated for segmentation purposes. All the histological images are digitized at 20x magnification.
研究の動機と目的
- コンピューター支援診断とOSCCのセグメンテーション研究を支援するためのラベル付き病理画像データセットを提供する。
- 組織学的セグメンテーションのデータ不足を解消するために、高品質で専門家が注釈した画像を提供する。
- OSCC腫瘍領域のCNN/FCNベースのセグメンテーション手法の開発と評価を可能にする。
提案手法
- 口腔内サンプルからH&E染色OSCC病理画像を収集する。
- 画像内の腫瘍領域を手動でラベル付けしてセグメンテーション注釈を作成する。
- 正確性を確保するために病理医のレビューによってラベルを検証する。
- 640x640ピクセル、20x倍率の画像を1,020枚、腫瘍領域全体の注釈とともに提供する。
実験結果
リサーチクエスチョン
- RQ1専門家が検証した腫瘍領域注釈付きのラベル付きH&E-stained OSCC画像データセットを作成できるか。
- RQ2得られたデータセットはOSCCの組織学的画像セグメンテーションモデルの訓練と評価に適しているか。
- RQ3公開データセットと注釈の特性（サイズ、倍率、注釈の粒度）は何か。
- RQ4データセットは何枚の画像と注釈領域で構成されているか。
主な発見
- OCDCデータセットは1,020枚の病理画像から成る。
- 各画像は640x640ピクセルで、20x倍率でデジタイズされている。
- 腫瘍領域は手動で注釈付けされ、病理医によって検証されている。
- 注釈はOSCC病理組織学のセグメンテーションタスクを支援するために提供される。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。