【影像组学病理切片案例教学课程（免费赠送）另有现成的代码，模型供大家上手使用】组织病理学切片是诊断癌症的黄金标准。它提供了大量关于肿瘤微环境(tumor microenvironment, TME)的信息，TME不仅在解释肿瘤的起始和进展中起着至关重要的作用，而且还影响着肿瘤患者的治疗效果和预后。不同类型组织间的相互干扰与肿瘤进展密切相关。因此，迫切需要对不同组织进行分割和鉴别，以进行进一步的临床研究。
文章图片
在本次挑战中，我们扫描了67张(GDPH)的H&E染色片，并从肿瘤基因组图谱(TCGA)中收集了20张WSIs。每个病人只提取一个WSI。这个挑战的目标是仅使用图像级注释来实现三种常见且有意义的组织类型的像素级预测，肿瘤上皮组织、肿瘤间质组织和正常组织。参与者只获得图像级标注(3位一热编码)用于机器学习算法训练，像素级ground truth用于验证和测试
文章图片
获取数据
数据需要签署协议才可获取到，推荐大家在官网获取。
https://wsss4luad.grand-challenge.org/Datasets/
另外我已经下载好存在网盘，可以关注「AI医学应用及操作」公众号，后台回复「AI病理切片」获取数据。
推荐阅读
- 图像处理|Opencv学习笔记 透视变换(perspective transform)
- 计算机视觉|数字设计的创意玩法
- 一些好玩的事|我赌你没有了解过——Python 图像加密
- python|python实现对图片的处理--图像处理课设
- 图像处理|色彩空间（RGB, HSV, LAB, YUV)
- RGB/HSV/YUV颜色空间模型总结
- Deep|few-shot learning几篇论文
- 图像处理|【OpenCv】图像分割——分水岭算法
- 图像处理|【OpenCv】图像分割——聚类算法