多扫描仪犬类皮肤鳞状细胞癌组织病理学数据集

在组织病理学中，已知扫描仪引起的域偏移会在用未见数据测试时阻碍训练好的神经网络性能。多域预训练或专门的域泛化技术有助于开发域无关算法。为此，具有高度多样化载玻片扫描系统的多扫描仪数据集极为可取。我们提出一个公开可用的犬类皮肤鳞状细胞癌组织病理学图像多扫描仪数据集，由用五台载玻片扫描仪数字化的44个样本组成。该数据集提供图像间的局部对应，从而将扫描仪引起的域偏移与其他固有的（例如形态学引起的）域偏移隔离开来。为凸显扫描仪差异，我们对各扫描仪子集的颜色分布、锐度和对比度进行了详细评估。此外，为量化固有的扫描仪引起域偏移，我们在每个扫描仪子集上训练了一个肿瘤分割网络，并在域内和跨域上评估性能。我们取得了高达0.86的类别平均域内交并比系数，并观察到高达0.38的跨域性能下降，这证实了所呈数据集的固有域偏移及其对深度神经网络性能的负面影响。