迈向乳腺癌切片中淋巴结病理转移的综合基准
图像与视频处理
2024-11-19 v1 计算机视觉与模式识别
摘要
光学显微镜扫描技术的进步通过将传统组织病理学切片转化为全切片图像（WSI），极大地促进了计算病理学（CPath）的发展。这一进展使得病理学家能够进行全面的数字化复查，并加速了面向WSI分析的人工智能驱动诊断支持。基础病理模型的最新进展增加了对基准测试任务的需求。Camelyon系列是计算病理学中应用最广泛的开源数据集之一。然而，其标签的质量、可及性和临床相关性尚未得到全面评估。在本研究中，我们重新处理了来自Camelyon-16和Camelyon-17数据集的1399张WSI及其标签，移除了低质量切片，纠正了错误标签，并为先前未发布的测试集提供了肿瘤区域的专家级像素标注。基于重新标注的肿瘤区域大小，我们将二分类癌症筛查任务升级为四分类任务：阴性、微转移、宏转移和孤立肿瘤细胞（ITC）。我们使用清洗后的数据集重新评估了预训练的病理特征提取器和多实例学习（MIL）方法，提供了一个推动组织病理学AI发展的基准。
引用
@article{arxiv.2411.10752,
title = {Towards a Comprehensive Benchmark for Pathological Lymph Node Metastasis in Breast Cancer Sections},
author = {Xitong Ling and Yuanyuan Lei and Jiawen Li and Junru Cheng and Wenting Huang and Tian Guan and Jian Guan and Yonghong He},
journal= {arXiv preprint arXiv:2411.10752},
year = {2024}
}