ACROBAT——来自常规诊断的乳腺癌组织学多染色全切片图像数据集用于计算病理学
图像与视频处理
2022-11-28 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
对经福尔马林固定石蜡包埋（FFPE）的组织切片进行苏木精和伊红（H&E）或免疫组织化学（IHC）染色，是乳腺癌手术切除标本病理评估的重要组成部分。IHC 染色已广泛纳入诊断指南与常规工作流程，用于人工评估若干既定生物标志物（包括 ER、PGR、HER2 与 KI67）的状态与评分。然而，这也是一项可由计算病理学图像分析方法辅助完成的任务。计算病理学的研究近来取得诸多实质性进展，常基于公开可用的全切片图像（WSI）数据集。但该领域仍因公开数据集的稀缺而受到显著限制。特别是，目前尚无大型、高质量的公开数据集提供匹配的 IHC 与 H&E 染色组织切片 WSI。在此，我们发布当前最大的公开 WSI 数据集，包含来自女性原发性乳腺癌患者手术切除标本的组织切片，具有对应的 H&E 与 IHC 染色组织的匹配 WSI，由来自 1,153 名患者的 4,212 张 WSI 组成。该数据集的主要用途是促进 ACROBAT WSI 配准挑战赛，旨在精确对齐 H&E 与 IHC 图像。在图像配准研究领域，基于来自 13 名标注者的超过 37,000 对人工标注地标点，通过 ACROBAT 挑战赛网站仍可提供对配准算法性能的自动定量反馈。除配准外，该数据集还有潜力支撑许多不同的计算病理学研究方向，包括染色引导学习、虚拟染色、无监督预训练、伪影检测与染色无关模型。
引用
@article{arxiv.2211.13621,
title = {ACROBAT -- a multi-stain breast cancer histological whole-slide-image data set from routine diagnostics for computational pathology},
author = {Philippe Weitz and Masi Valkonen and Leslie Solorzano and Circe Carr and Kimmo Kartasalo and Constance Boissin and Sonja Koivukoski and Aino Kuusela and Dusan Rasic and Yanbo Feng and Sandra Kristiane Sinius Pouplier and Abhinav Sharma and Kajsa Ledesma Eriksson and Leena Latonen and Anne-Vibeke Laenkholm and Johan Hartman and Pekka Ruusuvuori and Mattias Rantalainen},
journal= {arXiv preprint arXiv:2211.13621},
year = {2022}
}