CPIA数据集：用于自监督学习预训练的综合病理图像分析数据集
图像与视频处理
2023-10-30 v1
摘要
病理图像分析是计算机辅助诊断中的关键领域，深度学习在其中被广泛应用。利用在自然图像上初始化的预训练模型进行迁移学习，已有效提升了下游病理任务性能。然而，缺乏精细的特异性领域病理初始化限制了其潜力。自监督学习（SSL）无需样本级标签即可预训练，极有希望克服标注昂贵的难题。因此，聚焦病理SSL预训练的研究亟需一个类似计算机视觉中ImageNet的综合标准化数据集。本文提出综合病理图像分析（CPIA）数据集，一个融合103个开源数据集并经广泛标准化的大规模SSL预训练数据集。CPIA数据集含21,427,877张标准化图像，覆盖超48个器官/组织与约100种疾病，包括全切片图像（WSIs）与特征感兴趣区域（ROIs）两类主要数据。基于每像素微米数（MPP）的统一分辨率提出四尺度WSI标准化流程，ROIs则人工划分为三尺度。该多尺度数据集在资深病理专家监督下依诊断习惯构建。CPIA数据集促进全面的病理理解并支持模式发现探索。此外，为发布CPIA数据集，专门给出了若干最先进（SOTA）的SSL预训练与下游评估基线。CPIA数据集及基线见https://github.com/zhanglab2021/CPIA_Dataset。
引用
@article{arxiv.2310.17902,
title = {CPIA Dataset: A Comprehensive Pathological Image Analysis Dataset for Self-supervised Learning Pre-training},
author = {Nan Ying and Yanli Lei and Tianyi Zhang and Shangqing Lyu and Chunhui Li and Sicheng Chen and Zeyu Liu and Yu Zhao and Guanglei Zhang},
journal= {arXiv preprint arXiv:2310.17902},
year = {2023}
}