• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Image Processing >Unitopatho, A Labeled Histopathological Dataset for Colorectal Polyps Classification and Adenoma Dysplasia Grading
【24h】

Unitopatho, A Labeled Histopathological Dataset for Colorectal Polyps Classification and Adenoma Dysplasia Grading

机译：inemopatho，一种用于结肠直肠息肉分类和腺瘤发育不良分级的标记的组织病理数据集

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Histopathological characterization of colorectal polyps allows to tailor patients’ management and follow up with the ultimate aim of avoiding or promptly detecting an invasive carcinoma. Colorectal polyps characterization relies on the histological analysis of tissue samples to determine the polyps malignancy and dysplasia grade. Deep neural networks achieve outstanding accuracy in medical patterns recognition, however they require large sets of annotated training images. We introduce UniToPatho, an annotated dataset of 9536 hematoxylin and eosin (H&E) stained patches extracted from 292 whole-slide images, meant for training deep neural networks for colorectal polyps classification and adenomas grading. We present our dataset and provide insights on how to tackle the problem of automatic colorectal polyps characterization by suggesting a multi-resolution deep learning approach.
机译：结肠直肠息肉的组织病理学表征允许定制患者的管理并跟进避免或及时检测侵入性癌的最终目标。 结肠直肠息肉表征依赖于组织样品的组织学分析，以确定息肉恶性肿瘤和发育不良等级。 深度神经网络在医学模式识别中实现了出色的准确性，但它们需要大量的注释训练图像。 我们介绍了Unitopatho，从292个全幻灯片图像中提取的9536苏木蛋白和曙红（H＆E）染色斑块的注释数据集，用于训练结肠直肠息肉分类和腺瘤分级的深度神经网络。 我们展示了我们的数据集，并提供了关于如何解决自动结肠息肉表征的问题的见解，通过提示多分辨率的深度学习方法。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号