IDCIA: Immunocytochemistry Dataset for Cellular Image Analysis

要約

細胞画像解析における機械学習法の有効性を向上させるために、新しい注釈付き顕微鏡細胞画像データセットを紹介します。
細胞計数は細胞分析における重要なステップです。
通常、専門家は顕微鏡画像内の細胞を手動で数えます。
自動細胞計数により、この退屈で時間のかかるプロセスを排除できる可能性があります。
ただし、正確な機械学習モデルをトレーニングするには、適切なラベル付きデータセットが必要です。
私たちのデータセットには、細胞の顕微鏡画像と、各画像の細胞数と個々の細胞の位置が含まれています。
このデータは、幹細胞の分化を調節する電気刺激の可能性と神経修復への応用の可能性を調査する進行中の研究の一環として収集された。
既存の公的に利用可能なデータセットと比較して、私たちのデータセットには、細胞分析に通常使用されるより多様な抗体（侵入者に対する免疫応答のタンパク質成分）で染色された細胞の画像がより多く含まれています。
このデータセットの実験結果は、この研究の対象となる 5 つの既存のモデルのいずれも、手動手法に代わる十分に正確なカウントを達成できないことを示しています。
データセットは https://figshare.com/articles/dataset/Dataset/21970604 で入手できます。

要約(オリジナル)

We present a new annotated microscopic cellular image dataset to improve the effectiveness of machine learning methods for cellular image analysis. Cell counting is an important step in cell analysis. Typically, domain experts manually count cells in a microscopic image. Automated cell counting can potentially eliminate this tedious, time-consuming process. However, a good, labeled dataset is required for training an accurate machine learning model. Our dataset includes microscopic images of cells, and for each image, the cell count and the location of individual cells. The data were collected as part of an ongoing study investigating the potential of electrical stimulation to modulate stem cell differentiation and possible applications for neural repair. Compared to existing publicly available datasets, our dataset has more images of cells stained with more variety of antibodies (protein components of immune responses against invaders) typically used for cell analysis. The experimental results on this dataset indicate that none of the five existing models under this study are able to achieve sufficiently accurate count to replace the manual methods. The dataset is available at https://figshare.com/articles/dataset/Dataset/21970604.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google