数据集概述
该数据集是用于组织病理学全切片图像中异常有丝分裂检测的精选子集，包含八千二百三十六个六十四像素×六十四像素的图像块，分为伪影、模拟物、有丝分裂、异常有丝分裂四类，采用三折交叉验证划分，支持算法标准化评估。
文件详解
- 文件名称: TCGA_Mitosis_Subtyping.zip
- 文件格式: ZIP压缩包
- 内容说明: 压缩包内包含数据集的全部内容，但具体文件结构未提供预览。该数据集共八千二百三十六个六十四像素×六十四像素图像块，分为四类：伪影、模拟物、有丝分裂、异常有丝分裂，采用三折交叉验证划分。
数据来源
- 初始训练数据：MIDOG21、TUPAC数据集及内部伪影数据集（来源：Fick, Bertram, and Aubreville (2024)）
- 扩展数据：The Cancer Genome Atlas (TCGA)
适用场景
- 数字病理学研究：开发和评估有丝分裂检测与分类的机器学习模型
- 医学图像分析：训练深度学习模型进行有丝分裂图像分类
- 算法性能测试：评估异常有丝分裂检测算法的准确性与鲁棒性
- 病理诊断辅助：探索AI辅助病理医生识别异常有丝分裂的可行性
