公开可用的乳腺组织病理学 H&E 全切片图像数据集：一项范围综述
图像与视频处理
2023-12-07 v2 计算机视觉与模式识别
机器学习
摘要
数字病理学与计算资源的进步对乳腺癌诊断与治疗的计算病理学领域产生了重大影响。然而，获取高质量的标注乳腺癌组织病理学图像是一项巨大挑战，限制了准确且鲁棒深度学习模型的发展。在本范围综述中，我们识别了可用于开发深度学习算法的公开可用乳腺 H&E 染色全切片图像（WSI）数据集。我们系统检索了九个科学文献数据库和九个研究数据存储库，发现了包含 10385 张乳腺癌 H&E WSI 的 17 个公开可用数据集。此外，我们报告了每个数据集的图像元数据与特征，以协助研究人员为乳腺癌计算病理学中的特定任务选择合适的数据集。另外，我们编制了乳腺 H&E 图像块与私有数据集两份清单，作为研究人员的补充资源。值得注意的是，仅 28% 的纳入文章使用了多个数据集，仅 14% 使用了外部验证集，表明其他已开发模型的性能可能存在被高估的风险。TCGA-BRCA 在 52% 的选定研究中使用。该数据集存在相当大的选择偏倚，可能影响所训练算法的鲁棒性与泛化能力。此外，乳腺 WSI 数据集缺乏一致的元数据报告，这可能在开发准确深度学习模型时成为问题，表明有必要建立明确的指南来记录乳腺 WSI 数据集特征与元数据。
引用
@article{arxiv.2306.01546,
title = {Publicly available datasets of breast histopathology H&E whole-slide images: A scoping review},
author = {Masoud Tafavvoghi and Lars Ailo Bongo and Nikita Shvetsov and Lill-Tove Rasmussen Busund and Kajsa Møllersen},
journal= {arXiv preprint arXiv:2306.01546},
year = {2023}
}
备注
27 pages (including references), 8 figures, 3 tables, 5 supporting information materials