Pan-tumor CAnine cuTaneous Cancer Histology (CATCH) dataset

要約

形態学的類似性により、皮膚腫瘍の組織切片を個々のサブタイプに区別することは困難な場合があります。
最近、深層学習ベースのアプローチが、この点で病理学者をサポートする可能性があることが証明されました。
ただし、これらの教師ありアルゴリズムの多くは、堅牢な開発のために大量の注釈付きデータを必要とします。
7 つの皮膚腫瘍サブタイプを含む 13 の組織学的クラスの 12,424 のポリゴン アノテーションによって補完された、7 つの異なる犬の皮膚腫瘍の 350 枚の全スライド画像の公開データセットを提示します。
評価者間の実験では、特に腫瘍の注釈について、提供されたラベルの高い一貫性を示しています。
組織のセグメンテーションと腫瘍のサブタイプの分類のタスクのためにディープ ニューラル ネットワークをトレーニングすることにより、データセットをさらに検証します。
クラス平均の Jaccard 係数は 0.7047、特に腫瘍では 0.9044 です。
分類では、0.9857 のスライド レベルの精度を達成しています。
犬の皮膚腫瘍はヒトの腫瘍とさまざまな組織学的相同性を持っているため、このデータセットの付加価値は獣医病理学に限定されず、より一般的な応用分野にまで及びます。

要約(オリジナル)

Due to morphological similarities, the differentiation of histologic sections of cutaneous tumors into individual subtypes can be challenging. Recently, deep learning-based approaches have proven their potential for supporting pathologists in this regard. However, many of these supervised algorithms require a large amount of annotated data for robust development. We present a publicly available dataset of 350 whole slide images of seven different canine cutaneous tumors complemented by 12,424 polygon annotations for 13 histologic classes, including seven cutaneous tumor subtypes. In inter-rater experiments, we show a high consistency of the provided labels, especially for tumor annotations. We further validate the dataset by training a deep neural network for the task of tissue segmentation and tumor subtype classification. We achieve a class-averaged Jaccard coefficient of 0.7047, and 0.9044 for tumor in particular. For classification, we achieve a slide-level accuracy of 0.9857. Since canine cutaneous tumors possess various histologic homologies to human tumors the added value of this dataset is not limited to veterinary pathology but extends to more general fields of application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google