BRACS：一种用于H&E组织学图像中乳腺癌亚型分类的数据集
定量方法
2021-11-10 v1 人工智能
计算机视觉与模式识别
图像与视频处理
摘要
乳腺癌是诊断最常见的癌症，并在女性癌症死亡中居首。近期诊断活动的进展与大规模筛查政策显著降低了乳腺癌患者的死亡率。然而，病理学家对组织切片的手动检查繁琐、耗时，且存在显著的观察者间与观察者内差异。近来，全切片扫描系统的出现加速了病理切片数字化，并实现了数字工作流的开发。这些进展进一步使得利用人工智能（AI）来辅助、自动化和增强病理诊断成为可能。但AI技术，尤其是深度学习（DL），需要大量高质量标注数据以学习。构建此类任务特定数据集存在若干挑战，如数据采集层面的限制、耗时且昂贵的标注，以及私人信息匿名化。本文中，我们介绍BReAst Carcinoma Subtyping（BRACS）数据集，这是一个大型标注苏木精和伊红（H&E）染色图像队列，以促进乳腺病变表征。BRACS包含547张全切片图像（WSIs）和从WSIs中提取的4539个感兴趣区域（ROIs）。每张WSI及相应ROI由三名获委员会认证的病理学家共识标注为不同病变类别。具体而言，BRACS包括三种病变类型，即良性、恶性和非典型，并进一步细分为七类。据我们所知，它是WSI级和ROI级最大的用于乳腺癌亚型分类的标注数据集。此外，通过纳入研究不足的非典型病变，BRACS为利用AI更好地理解其特征提供了独特机会。
引用
@article{arxiv.2111.04740,
title = {BRACS: A Dataset for BReAst Carcinoma Subtyping in H&E Histology Images},
author = {Nadia Brancati and Anna Maria Anniciello and Pushpak Pati and Daniel Riccio and Giosuè Scognamiglio and Guillaume Jaume and Giuseppe De Pietro and Maurizio Di Bonito and Antonio Foncubierta and Gerardo Botti and Maria Gabrani and Florinda Feroce and Maria Frucci},
journal= {arXiv preprint arXiv:2111.04740},
year = {2021}
}
备注
10 pages, 3 figures, 8 tables, 30 references