Liver Kidney Stomach Dataset

该数据集是在CVPR2020论文中引入的，名为SOS: Selective Objective Switch for Rapid Immunofluorescence Whole Slide Image Classification。包含684张免疫荧光全切片LKS图像，用于临床调查自身免疫性肝病。

该数据集源于CVPR2020会议上的论文，其名称为SOS：选择性目标切换快速免疫荧光全切片图像分类。数据集内包含684张免疫荧光全切片LKS图像，旨在支持临床对自身免疫性肝病的调查研究。

原始信息汇总

数据集概述

数据集名称

Liver Kidney Stomach Dataset

数据集描述

该数据集包含684张免疫荧光全切片图像，用于自身免疫性肝病的临床研究。数据集首次公开，旨在支持研究者探索不同的预处理方法。

数据集创建

数据集由Sullivan Nicolaides Pathology合作创建，使用商业LKS切片，包含啮齿动物的肾、胃和肝组织。通过特定的制备过程和荧光标记技术，由医学科学家团队手动标记为四个类别：Negative (Neg); Anti-Mitochondrial Antibodies (AMA); Vessel-Type Anti-Smooth Muscle Antibodies (SMA-V) 和 Tubule-Type Anti-Smooth Muscle Antibodies (SMA-T)。

数据集详情

数据集包含的图像经过数字化处理，使用单色相机和x20目标镜头（数值孔径0.8）进行扫描。

数据集下载

数据集大小为0.14TB，压缩格式为7z，解压后大小为0.99TB。下载链接为：LKS Dataset Download。

数据集引用

当使用此数据集进行研究时，请引用以下论文： latex @inproceedings{maksoud2020sos, title={SOS: Selective Objective Switch for Rapid Immunofluorescence Whole Slide Image Classification}, author={Maksoud, Sam and Zhao, Kun and Hobson, Peter and Jennings, Anthony and Lovell, Brian C}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition}, pages={3862--3871}, year={2020} }

数据集许可证

数据集遵循Creative Commons Attribution 4.0 International License。

搜集汇总

数据集介绍

构建方式

Liver Kidney Stomach (LKS) 数据集的构建源于对自身免疫性肝病的研究需求。通过与Sullivan Nicolaides Pathology的合作，该数据集从常规临床样本中构建而成。研究人员使用了包含啮齿动物肾脏、胃和肝脏组织的商业LKS载玻片，经过患者血清孵育和荧光素异硫氰酸酯（FITC）IgG共轭处理后，采用单色相机和数值孔径为0.8的20倍物镜进行数字化。随后，由训练有素的医学科学家手动将载玻片标记为四类：阴性（Neg）、抗线粒体抗体（AMA）、血管型抗平滑肌抗体（SMA-V）和管型抗平滑肌抗体（SMA-T）。

使用方法

LKS数据集的使用方法主要围绕免疫荧光全切片图像的分类与分析展开。研究者可通过下载链接获取压缩后的0.14 TB数据集，解压后即可访问原始TIF图像。这些图像可用于训练和验证深度学习模型，特别是针对自身免疫性肝病的分类任务。此外，数据集的使用需遵循Creative Commons Attribution 4.0许可，并在研究中引用相关论文以尊重数据来源。

背景与挑战

背景概述

Liver Kidney Stomach (LKS) 数据集由Sam Maksoud等研究人员在2020年CVPR会议上首次发布，旨在支持自身免疫性肝病的临床研究。该数据集由昆士兰大学与Sullivan Nicolaides病理学实验室合作构建，包含684张免疫荧光全片图像（WSI），涵盖了啮齿类动物的肾脏、胃和肝脏组织切片。这些图像通过荧光素异硫氰酸酯（FITC）标记的IgG共轭物处理，并由专业医学科学家手动标注为四类：阴性（Neg）、抗线粒体抗体（AMA）、血管型抗平滑肌抗体（SMA-V）和管型抗平滑肌抗体（SMA-T）。LKS数据集的发布为医学影像分析领域提供了重要的研究资源，推动了基于深度学习的全片图像分类技术的发展。

当前挑战

LKS数据集在解决自身免疫性肝病诊断问题时面临多重挑战。首先，全片图像的高分辨率和数据量庞大（未压缩时接近1TB），对存储和计算资源提出了极高要求。其次，免疫荧光图像的复杂性和组织异质性使得分类任务极具挑战性，尤其是在区分细微的抗体类型时。此外，数据集的构建过程中，研究人员需克服样本制备、荧光标记和图像数字化等技术难题，同时确保标注的准确性和一致性。尽管数据集提供了原始TIF图像以支持多样化的预处理方法，但这也增加了研究人员在数据预处理和特征提取方面的负担。

常用场景

经典使用场景

Liver Kidney Stomach Dataset（LKS）数据集在医学影像分析领域具有重要应用，特别是在自身免疫性肝病的诊断中。该数据集包含了684张免疫荧光全片图像（WSI），涵盖了啮齿类动物的肾脏、胃和肝脏组织切片。这些图像通过荧光素异硫氰酸酯（FITC）IgG共轭物处理，并由专业医学科学家手动标注为四类：阴性、抗线粒体抗体（AMA）、血管型抗平滑肌抗体（SMA-V）和管型抗平滑肌抗体（SMA-T）。该数据集为研究人员提供了丰富的多组织切片图像，用于训练和验证自动化分类模型。

解决学术问题

LKS数据集解决了在自身免疫性肝病研究中缺乏高质量、公开可用的免疫荧光全片图像数据集的问题。通过提供详细的标注和多组织切片图像，该数据集为开发高效的自动化分类算法提供了基础。特别是在快速免疫荧光全片图像分类任务中，LKS数据集帮助研究人员验证了选择性目标切换（SOS）方法的有效性，显著提升了分类速度和准确性。这一突破为医学影像分析领域提供了新的研究方向和技术支持。

实际应用

LKS数据集在实际应用中主要用于临床病理学中的自身免疫性肝病诊断。通过自动化分析免疫荧光全片图像，医生可以更快速、准确地识别患者血清中的抗体类型，从而辅助诊断和治疗决策。此外，该数据集还可用于开发基于深度学习的医学影像分析工具，帮助病理学家提高工作效率，减少人为误差。这些工具在临床诊断中的广泛应用，有望显著提升医疗服务的质量和效率。

数据集最近研究

最新研究方向

近年来，Liver Kidney Stomach (LKS) 数据集在医学影像分析领域引起了广泛关注，尤其是在自身免疫性肝病的研究中。该数据集首次公开了684张免疫荧光全切片图像，为研究者提供了宝贵的资源。当前的研究方向主要集中在利用深度学习技术对这些高分辨率图像进行自动分类和特征提取，以提升诊断的准确性和效率。特别是，选择性目标切换（SOS）算法的引入，显著提高了图像分类的速度和精度，为临床诊断提供了新的工具。此外，研究者们还在探索如何通过预处理方法的优化，进一步提升数据集的利用价值，从而推动医学影像分析技术的进步。