NuInsSeg：用于 H&E 染色组织图像中细胞核实例分割的全标注数据集
图像与视频处理
2023-08-04 v1 计算机视觉与模式识别
摘要
在计算病理学领域，自动细胞核实例分割在全切片图像分析中起着至关重要的作用。尽管已提出许多计算机化方法来完成该任务，但相较于经典机器学习和图像处理技术，有监督深度学习（DL）方法展现出了更优的分割性能。然而，这些模型需要全标注数据集进行训练，而这类数据集难以获取，尤其在医学领域。本工作中，我们发布了一个最大的、完全人工标注的苏木精-伊红（H&E）染色组织图像细胞核数据集之一，称为 NuInsSeg。该数据集包含 665 个图像块，涵盖来自 31 个人类和小鼠器官的超过 30,000 个手动分割的细胞核。此外，我们首次为整个数据集提供了额外的模糊区域掩码。这些模糊区域表示即使人类专家也无法进行精确且确定性手动标注的图像部分。该数据集及生成相关分割掩码的详细逐步说明分别公开于 https://www.kaggle.com/datasets/ipateam/nuinsseg 和 https://github.com/masih4/NuInsSeg。
引用
@article{arxiv.2308.01760,
title = {NuInsSeg: A Fully Annotated Dataset for Nuclei Instance Segmentation in H&E-Stained Histological Images},
author = {Amirreza Mahbod and Christine Polak and Katharina Feldmann and Rumsha Khan and Katharina Gelles and Georg Dorffner and Ramona Woitek and Sepideh Hatamikia and Isabella Ellinger},
journal= {arXiv preprint arXiv:2308.01760},
year = {2023}
}
备注
7 pages, 1 Figure