論文の概要: A Multi Center Breast FNAC Whole-Slide Cytology Dataset for AI-Assisted Patch-Wise Classification Using C1 to C5 Reporting Categories
- arxiv url: http://arxiv.org/abs/2606.30209v1
- Date: Mon, 29 Jun 2026 12:24:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.215259
- Title: A Multi Center Breast FNAC Whole-Slide Cytology Dataset for AI-Assisted Patch-Wise Classification Using C1 to C5 Reporting Categories
- Title（参考訳）: マルチセンターFNACによるC1〜C5レポートカテゴリを用いたAI支援パッチワイズ分類
- Abstract要約: このデータセットには、2023年5月から2026年3月までにインドの第三次医療センターから収集された321人の患者と470人の全スライド画像が含まれている。
470 WSI全体で、446 WSIは注釈付きパッチ領域を含み、7,398 PNGイメージパッチと専門家が検証したC1からC5ラベルを生成する。
完全なデータセットは約950GBで、Zenodo経由で利用できる。
- 参考スコア（独自算出の注目度）: 6.647781563745361
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a multi center breast fine needle aspiration cytology (FNAC) dataset designed for patch wise classification using C1 to C5 reporting labels. The prospective dataset includes 321 patients and 470 whole-slide images (WSIs) collected from participating tertiary medical centers in India between May 2023 and March 2026. Slides were stained using Papanicolaou (190 WSIs) or MayGrunwald Giemsa (280 WSIs), scanned on a Hamamatsu NanoZoomer S360 at 40X magnification and 0.25 microns per pixel, and stored directly in NDPI format. Across the 470 WSIs, 446 WSIs contain annotated patch regions, yielding 7,398 PNG image patches with expert-verified C1 to C5 labels. The release includes NDPI WSIs, WSI-level GeoJSON annotation files, extracted patch images, deidentified metadata, a data dictionary, a validation summary, a manifest linking WSIs to Zenodo records, and code for dataset inspection and reuse. The complete dataset is approximately 950 GB and is available through Zenodo.
- Abstract（参考訳）: C1-C5レポーティングラベルを用いたパッチワイズ分類のためのマルチセンター乳房細針吸引細胞診(FNAC)データセットを提案する。
2023年5月から2026年3月までにインドの第三次医療センターから収集された321人の患者と470人の画像が含まれる。
スライドはPapanicolaou (190 WSIs) またはMayGrunwald Giemsa (280 WSIs) を使用して染色され、浜松のNanoZoomer S360で40倍、0.25マイクロン/ピクセルでスキャンされ、NDPI形式で直接保存された。
470 WSI全体で、446 WSIは注釈付きパッチ領域を含み、7,398 PNGイメージパッチと専門家が検証したC1からC5ラベルを生成する。
このリリースには、NDPI WSI、WSIレベルのGeoJSONアノテーションファイル、抽出されたパッチイメージ、識別されたメタデータ、データ辞書、バリデーション概要、WSIをZenodoレコードにリンクするマニフェスト、データセット検査と再利用のためのコードが含まれている。
完全なデータセットは約950GBで、Zenodo経由で利用できる。
関連論文リスト
- How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - VIDS: A Verified Imaging Dataset Standard for Medical AI [0.0]
既存の標準では、データセット構造、アノテーションの証明、品質ドキュメント、MLの準備にマシンで強化可能なバリデーションを提供していません。
本稿では、フォルダレイアウト、ファイルの命名、アノテーション証明スキーマ、品質文書、および2つのコンプライアンスプロファイルにわたる21のマシン強化検証ルールを定義するオープン仕様であるVIDSを提案する。
論文 参考訳（メタデータ） (2026-04-19T16:36:22Z) - DermaSynth: Rich Synthetic Image-Text Pairs Using Open Access Dermatology Datasets [0.9094611563359232]
Derma Synthは、45,205の画像からキュレートされた92,020の合成画像-テキストペアのデータセットである。
Gemini 2.0を用いた最先端の視覚大言語モデルを利用して、多種多様なリッチな合成テキストを生成する。
論文 参考訳（メタデータ） (2025-01-31T22:26:33Z) - TotalSegmentator MRI: Robust Sequence-independent Segmentation of Multiple Anatomic Structures in MRI [59.86827659781022]
nnU-Netモデル(TotalSegmentator)をMRIおよび80原子構造で訓練した。
予測されたセグメンテーションと専門家基準セグメンテーションとの間には,ディススコアが算出され,モデル性能が評価された。
オープンソースで使いやすいモデルは、80構造の自動的で堅牢なセグメンテーションを可能にする。
論文 参考訳（メタデータ） (2024-05-29T20:15:54Z) - Benchmarking the CoW with the TopCoW Challenge: Topology-Aware Anatomical Segmentation of the Circle of Willis for CTA and MRA [74.76323194852283]
TopCoWデータセットは、13のCoWコンテナコンポーネントに対するボクセルレベルのアノテーションを備えた、最初のパブリックデータセットである。
また、同じ患者の200対のMRAとCTAを使用した最初の大規模なデータセットでもある。
提出したデータは、5カ所以上からスキャンされた226件の内外両方のテストデータセットで評価された。
論文 参考訳（メタデータ） (2023-12-29T16:37:08Z) - Quilt-LLaVA: Visual Instruction Tuning by Extracting Localized Narratives from Open-Source Histopathology Videos [11.913023311613884]
そこで本研究では,病理組織特異的な命令問合せ/問合せの大規模データセットであるQuilt-Instructを紹介した。
Quilt-Instructを使ってQult-LLaVAをトレーニングします。
論文 参考訳（メタデータ） (2023-12-07T23:16:37Z) - WSSS4LUAD: Grand Challenge on Weakly-supervised Tissue Semantic
Segmentation for Lung Adenocarcinoma [51.50991881342181]
この課題には10,091個のパッチレベルのアノテーションと1300万以上のラベル付きピクセルが含まれる。
第一位チームは0.8413mIoUを達成した(腫瘍:0.8389、ストーマ:0.7931、正常:0.8919)。
論文 参考訳（メタデータ） (2022-04-13T15:27:05Z) - OdontoAI: A human-in-the-loop labeled data set and an online platform to
boost research on dental panoramic radiographs [53.67409169790872]
本研究では, 歯科用パノラマX線画像の公開データセットの構築について述べる。
我々はHuman-in-the-loop(HITL)の概念の恩恵を受け、ラベリング手順を高速化する。
その結果,HITLによるラベル付け時間短縮率は51%であり,連続作業時間390時間以上節約できた。
論文 参考訳（メタデータ） (2022-03-29T18:57:23Z) - ERS: a novel comprehensive endoscopy image dataset for machine learning,
compliant with the MST 3.0 specification [0.0]
本論文は, フレキシブル内視鏡, 大腸内視鏡, カプセル内視鏡を用いた多ラベル包括的画像データセットであるERSについて述べる。
データセットには、内視鏡ビデオから約6000、約115,000のラベル付きフレーム、正確には22600の近似セグメンテーションマスク、フレキシブルとカプセルの内視鏡ビデオから123万のラベル付きフレームが含まれている。
論文 参考訳（メタデータ） (2022-01-21T15:39:45Z) - DSNet: A Dual-Stream Framework for Weakly-Supervised Gigapixel Pathology
Image Analysis [78.78181964748144]
スライド画像全体(WSI)を分類するための弱教師付きフレームワークを提案する。
WSIは通常、パッチレベルのラベルを持つパッチワイド分類によって処理される。
イメージレベルのラベルのみの場合、パッチの外観とイメージレベルのラベルの矛盾のため、パッチの分類はサブ最適となる。
論文 参考訳（メタデータ） (2021-09-13T09:10:43Z) - PanNuke Dataset Extension, Insights and Baselines [6.955012705377076]
PanNukeデータセットは、20万個の核からなり、臨床的に重要な5つのクラスに分類される。
PanNukeは19種類の組織から構成されており、半自動で注釈付けされ、臨床病理医によって品質が制御されている。
提案したデータセットに適用した場合のセグメンテーションモデルと分類モデルの性能について検討し,PanNukeでトレーニングしたモデルの全スライディング画像への適用を実証する。
論文 参考訳（メタデータ） (2020-03-24T11:25:12Z) - VerSe: A Vertebrae Labelling and Segmentation Benchmark for
Multi-detector CT Images [121.31355003451152]
大規模Vertebrae Challenge(VerSe)は、2019年と2020年に開催されたMICCAI(International Conference on Medical Image Computing and Computer Assisted Intervention)と共同で設立された。
本評価の結果を報告するとともに,脊椎レベル,スキャンレベル,および異なる視野での性能変化について検討した。
論文 参考訳（メタデータ） (2020-01-24T21:09:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。