NuInsSeg: A Fully Annotated Dataset for Nuclei Instance Segmentation in H&E-Stained Histological Images

要約

計算病理学では、全スライド画像解析において、核インスタンスの自動セグメンテーションが重要な役割を果たす。このタスクのために多くのコンピュータ化されたアプローチが提案されているが、教師あり深層学習（DL）手法は、古典的な機械学習や画像処理技術と比較して、優れたセグメンテーション性能を示している。しかし、これらのモデルは学習のために完全な注釈付きデータセットを必要とし、特に医療領域ではその取得が困難である。本研究では、ヘマトキシリンとエオシン（H&E）染色された組織学的画像における核の、最大級の完全手動注釈データセットNuInsSegを公開する。このデータセットには、31のヒトとマウスの臓器から、30,000以上の核が手作業でセグメンテーションされた665の画像パッチが含まれている。さらに今回初めて、データセット全体の曖昧領域マスクを追加した。これらの曖昧な領域は、人間の専門家でも正確で決定論的な手作業による注釈が不可能な画像の部分を表している。データセットと、関連するセグメンテーションマスクを生成するための詳細なステップバイステップの手順は、それぞれ https://www.kaggle.com/datasets/ipateam/nuinsseg と https://github.com/masih4/NuInsSeg で公開されている。

要約(オリジナル)

In computational pathology, automatic nuclei instance segmentation plays an essential role in whole slide image analysis. While many computerized approaches have been proposed for this task, supervised deep learning (DL) methods have shown superior segmentation performances compared to classical machine learning and image processing techniques. However, these models need fully annotated datasets for training which is challenging to acquire, especially in the medical domain. In this work, we release one of the biggest fully manually annotated datasets of nuclei in Hematoxylin and Eosin (H&E)-stained histological images, called NuInsSeg. This dataset contains 665 image patches with more than 30,000 manually segmented nuclei from 31 human and mouse organs. Moreover, for the first time, we provide additional ambiguous area masks for the entire dataset. These vague areas represent the parts of the images where precise and deterministic manual annotations are impossible, even for human experts. The dataset and detailed step-by-step instructions to generate related segmentation masks are publicly available at https://www.kaggle.com/datasets/ipateam/nuinsseg and https://github.com/masih4/NuInsSeg, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL