EBHI:用于图像分类评估的新型肠镜活检组织病理H&E图像数据集
图像与视频处理
2022-02-18 v1 计算机视觉与模式识别
摘要
背景与目的:结直肠癌已成为全球第三大常见癌症,约占癌症患者的10%。该疾病的早期检测对结直肠癌患者的治疗十分重要。组织病理学检查是筛查结直肠癌的金标准。然而,当前缺乏结直肠癌尤其是肠镜活检的组织病理图像数据集,阻碍了计算机辅助诊断技术的准确评估。方法:本文发布了一个新的公开可用的肠镜活检组织病理H&E图像数据集(EBHI)。为证明EBHI数据集的有效性,我们利用若干机器学习、卷积神经网络和基于新型transformer的分类器使用200倍放大图像进行了实验与评估。结果:实验结果表明深度学习方法在EBHI数据集上表现良好。传统机器学习方法最高准确率达76.02%,深度学习方法最高准确率达95.37%。结论:据我们所知,EBHI是首个具有四种放大倍数和五类肿瘤分化阶段图像、共计5532张图像的公开可用结直肠病理肠镜活检数据集。我们相信EBHI能吸引研究者探索用于结直肠癌自动诊断的新分类算法,从而在临床环境中帮助医师和患者。
引用
@article{arxiv.2202.08552,
title = {EBHI:A New Enteroscope Biopsy Histopathological H&E Image Dataset for Image Classification Evaluation},
author = {Weiming Hu and Chen Li and Xiaoyan Li and Md Mamunur Rahaman and Yong Zhang and Haoyuan Chen and Wanli Liu and Yudong Yao and Hongzan Sun and Ning Xu and Xinyu Huang and Marcin Grzegorze},
journal= {arXiv preprint arXiv:2202.08552},
year = {2022}
}