EBHI-Seg：一种用于图像分割任务的肠镜活检组织病理苏木精-伊红图像数据集
图像与视频处理
2022-12-07 v3 计算机视觉与模式识别
摘要
背景与目的：结直肠癌是一种常见的致命恶性肿瘤，是全球男性第四常见、女性第三常见的癌症。在疾病早期及时发现癌症对于治疗至关重要。目前缺乏用于直肠癌组织病理图像分割的数据集，这往往在使用计算机技术辅助诊断时影响评估准确性。方法：本研究提供了一个新的公开可用的肠镜活检组织病理苏木精-伊红图像分割数据集（EBHI-Seg）。为证明EBHI-Seg的有效性与广泛性，我们使用经典机器学习方法与深度学习方法对EBHI-Seg的实验结果进行了评估。结果：实验结果表明，在使用EBHI-Seg时，深度学习方法具有更好的图像分割性能。经典机器学习方法的Dice评价指标最高精度为0.948，而深度学习方法的Dice评价指标为0.965。结论：该公开数据集包含5170张六种肿瘤分化阶段类型的图像及相应的真值图像。该数据集可为研究者提供用于结直肠癌医学诊断的新分割算法，并可在临床环境中用于帮助医生与患者。
引用
@article{arxiv.2212.00532,
title = {EBHI-Seg: A Novel Enteroscope Biopsy Histopathological Haematoxylin and Eosin Image Dataset for Image Segmentation Tasks},
author = {Liyu Shi and Xiaoyan Li and Weiming Hu and Haoyuan Chen and Jing Chen and Zizhen Fan and Minghe Gao and Yujie Jing and Guotao Lu and Deguo Ma and Zhiyu Ma and Qingtao Meng and Dechao Tang and Hongzan Sun and Marcin Grzegorzek and Shouliang Qi and Yueyang Teng and Chen Li},
journal= {arXiv preprint arXiv:2212.00532},
year = {2022}
}