该数据集是通过从 TCGA 档案中以 40 倍放大倍率下载以 40 倍放大倍率捕获的 H&E 染色组织图像创建的。H&E 染色是增强组织切片对比度的常规方案,通常用于肿瘤评估(分级、分期等)。鉴于多个器官和患者细胞核外观的多样性,以及多家医院采用的染色方案的丰富性,该训练数据集将能够开发出开箱即用的稳健且可推广的细胞核分割技术。
xianweichengxiang维度 | 2D |
模态 | pathology |
任务类型 | segmentation |
解剖结构 | Cell |
解剖区域 | 多器官 |
类别数 | 1 |
数据量 | train: 38, test: 15 |
文件格式 | PNG |
MoNuSeg
├── images
│ ├── train
│ ├── 01.png
│ ├── 02.png
│ └── ...
│ ├── test
│ ├── 01_test.png
│ ├── 02_test.png
│ └── ...
├── masks
│ ├── train
│ ├── 01.png
│ ├── 02.png
│ └── ...
│ ├── test
│ ├── 01.png
│ ├── 02.png
│ └── ...
统计类型 | 间距 (mm) | 尺寸 |
---|---|---|
最小值 | - |
(1000, 1000) |
中位值 | - |
(1000, 1000) |
最大值 | - |
(1000, 1000) |
@article{kumar2017dataset,
title={A dataset and a technique for generalized nuclear segmentation for computational pathology},
author={Kumar, Neeraj and Verma, Ruchika and Sharma, Sanuj and Bhargava, Surabhi and Vahadane, Abhishek and Sethi, Amit},
journal={IEEE transactions on medical imaging},
volume={36},
number={7},
pages={1550--1560},
year={2017},
publisher={IEEE}
}