CRC-HGD: A Histopathological Image Dataset for Grading Colorectal Cancer
本文介绍了 CRC-HGD，这是一个公开可用的组织病理学数据集，包含来自 214 名患者的 1,914 幅 H&E 染色的结直肠腺癌图像，涵盖三个分化等级和四个放大倍率，旨在通过人工智能促进癌症自动分级。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，人体就像一座繁忙的微观城市。在这座城市里，细胞就是市民；当它们表现良好时，一切都会运转顺畅。但有时，这些市民会变得“叛逆”，疯狂增殖并无视规则——这就是癌症。为了对抗这种现象，医生需要准确了解这些癌细胞到底有多“反叛”。它们只是有一点点调皮，还是彻底的无政府主义者？这就是组织病理学（histopathology）发挥作用的地方。你可以把它想象成这座城市的法医调查。医生会对组织进行极薄的切片，用彩色的染料（就像给细胞涂上荧光笔）进行染色，然后在显微镜下观察它们造成的破坏。这里的核心概念是分级（grading）：根据癌症与正常组织的相似程度将其进行分类。如果癌细胞看起来仍与它们原本有序的状态有些相似，它们就是“高分化”（Grade I）；如果它们是一团混乱、毫无结构的废墟，它们就是“低分化”（Grade III）。了解这个等级就像是了解患者未来的天气预报；它告诉医生是需要一把轻便的小伞，还是需要一个全副武装的避风港，从而帮助他们选择正确的治疗方案并预测患者的预后。
现在，CRC-HGD 论文登场了，它就像一座专门为教计算机如何阅读这些微观犯罪现场而建立的庞大且有组织的图书馆。长期以来，人工智能（AI）一直试图成为一名癌症超级侦探，但它遇到了一个瓶颈：它缺乏正确的训练手册。大多数现有的图像集就像一本只写着“这是一座城市”或“这是一片森林”的照片集，却没告诉 AI 这座城市是如何组织的，或者这片森林是如何混乱的。这篇论文的作者意识到，要教会 AI 区分“轻微叛逆”的肿瘤和“彻底无政府状态”的肿瘤，他们需要一个严格按照这些特定等级进行标注的数据集。
那么，他们做了什么呢？他们收集了来自 214 名结直肠癌患者的 1,914 张数字显微图像。这些不仅仅是随机的照片；它们是根据世界卫生组织（WHO）的规则被精心分类为三个不同类别的：106 名 Grade I（高分化）患者、75 名 Grade II（中分化）患者和 33 名 Grade III（低分化）患者。但巧妙之处在于：对于每一位患者，团队不仅仅拍了一张照片。他们在四个不同的放大倍率下拍摄了快照——4x、10x、20x 和 40x。这就像是从卫星视角、从飞机视角、从街角视角，最后从紧盯着一块砖块的窗口视角来拍摄一座城市。这使得 AI 能够同时看到宏观全景和微观细节。
这篇论文并不声称已经构建了一个今天就能治愈癌症的完美、神奇的 AI 机器人。相反，它提供的是必不可少的燃料：一个干净、有标签且公开可用的数据集。作者明确指出，虽然其他数据集可以用于寻找癌症或对组织类型进行分类，但没有一个数据集公开提供了这种特定的“三级分级”系统以及针对同一患者的多倍率缩放。通过填补这一空白，他们将钥匙交给了研究界。他们建议，有了这个新的图像库，科学家们现在可以训练他们的 AI 模型，以更高的准确度来识别 Grade I 和 Grade III 肿瘤之间的区别。其目标是，有一天这些计算机将帮助病理学家做出更快、更一致的诊断，确保那些患有最具侵略性肿瘤的患者能获得强力治疗，而其他人则能避免不必要的治疗。该数据集现在已向所有人开放，作为一个共享的游乐场，让下一代医疗 AI 在这里学习如何拯救生命。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。