泛肿瘤犬皮肤癌组织学（CATCH）数据集
图像与视频处理
2022-09-29 v2 计算机视觉与模式识别
摘要
由于形态学相似性，将皮肤肿瘤的组织学切片区分为各个亚型可能颇具挑战。近来，基于深度学习的方法已证明其在此方面支持病理学家的潜力。然而，许多此类监督算法需要大量标注数据以实现稳健开发。我们呈现一个公开可用的数据集，包含350张全切片图像，涵盖七种不同犬皮肤肿瘤，并辅以针对13个组织学类别（包括七种皮肤肿瘤亚型）的12,424个多边形标注。在评分者间实验中，我们显示出所提供标签的高度一致性，尤其针对肿瘤标注。我们进一步通过训练深度神经网络执行组织分割与肿瘤亚型分类任务来验证该数据集。我们取得了类别平均Jaccard系数0.7047，其中肿瘤特别达到0.9044。对于分类，我们取得切片级准确率0.9857。由于犬皮肤肿瘤与人类肿瘤具有多种组织学同源性，该数据集的附加价值不仅限于兽医病理学，还延伸至更普遍的应用领域。
引用
@article{arxiv.2201.11446,
title = {Pan-tumor CAnine cuTaneous Cancer Histology (CATCH) dataset},
author = {Frauke Wilm and Marco Fragoso and Christian Marzahl and Jingna Qiu and Chloé Puget and Laura Diehl and Christof A. Bertram and Robert Klopfleisch and Andreas Maier and Katharina Breininger and Marc Aubreville},
journal= {arXiv preprint arXiv:2201.11446},
year = {2022}
}
备注
Submitted to Scientific Data. 15 pages, 9 figures, 6 tables