BOrg

BOrg数据集由穆罕默德·本·扎耶德人工智能大学和魏茨曼科学研究学院共同创建，专注于脑类器官中的有丝分裂分析。该数据集包含737个通过共聚焦显微镜拍摄的图像，标记了四个有丝分裂阶段：前期、中期、后期和末期。数据集的创建过程结合了专家和非专家的稀疏点标注技术，以提高标注效率。BOrg数据集的应用领域主要集中在自动化分析脑疾病，特别是通过量化有丝分裂速率来深入理解神经发育过程和相关疾病。

The BOrg dataset was co-developed by Mohamed bin Zayed University of Artificial Intelligence and Weizmann Institute of Science, focusing on mitotic analysis in brain organoids. This dataset contains 737 images captured via confocal microscopy, annotated with four mitotic stages: prophase, metaphase, anaphase, and telophase. The construction of this dataset incorporated sparse point annotation techniques from both expert and non-expert annotators to improve annotation efficiency. The primary application scenarios of the BOrg dataset center on automated analysis of brain diseases, particularly for gaining in-depth insights into neurodevelopmental processes and related disorders by quantifying mitotic rates.

原始信息汇总

BOrg: A Brain Organoid-Based Mitosis Dataset for Automatic Analysis of Brain Diseases

Overview

BOrg is a dataset designed to study mitotic events in the embryonic development of the brain using confocal microscopy images of brain organoids. The dataset utilizes an efficient annotation pipeline with sparse point annotations and techniques that minimize expert effort, overcoming limitations of standard deep learning approaches on sparse data. BOrg adapts and benchmarks state-of-the-art object detection and cell counting models for detecting and analyzing mitotic cells across prophase, metaphase, anaphase, and telophase stages.

Dataset

The dataset consists of a 2D transformation of 4D confocal microscopic images of brain organoids. It is provided in mmdetection format and can directly be used to train models in mmdetection.

Statistics

Phases	Train	Validation	Total
Prophase	282	82	364
Metaphase	146	62	208
Anaphase	69	24	93
Telophase	59	13	72

Projections

Two projection methods are employed to transform images from a 4D to a 2D format.

Training

This dataset can be used directly with mmdetection to train detection models.

Citation

bibtex @misc{awais2024BOrg, title={BOrg: A Brain Organoid-Based Mitosis Dataset for Automatic Analysis of Brain Diseases}, author={Mehaboobathunnisa Sahul Hameed and Muhammad Awais and Bidisha Bhattacharya and Orly Reiner and Rao Anwer}, year={2024}, eprint={}, archivePrefix={arXiv}, primaryClass={cs.CL} }

搜集汇总

数据集介绍

构建方式

BOrg数据集的构建采用了一种高效的数据采集和标注流程。首先，通过confocal microscopy获取脑器官oids的图像，随后利用一种专门设计的标注工具对这些图像进行标注，标注过程中结合了专家和非专家的输入，以最大程度地利用领域专业知识。具体来说，该数据集包含了737个细胞图像的标注，涵盖了四个有丝分裂阶段：前期、中期、后期和末期。

特点

BOrg数据集的特点在于它提供了关于脑器官oids中细胞有丝分裂的详细信息，这些信息对于理解早期脑发育和相关的疾病机制至关重要。数据集利用了点标注和类标注，以及合成 bounding box 来表示有丝分裂的不同阶段。此外，数据集还经过了专门的设计，以适应现有的机器学习模型，特别是在细胞检测和计数任务上。

使用方法

使用BOrg数据集的方法包括首先对数据进行预处理，以便与训练的机器学习模型兼容。接着，可以利用数据集进行模型训练、验证和测试。最后，通过适应的对象检测和细胞计数模型，可以自动分析脑器官oids中的有丝分裂事件，从而为早期脑发育和疾病的研究提供支持。

背景与挑战

背景概述

BOrg数据集是一个基于脑器官oid的细胞有丝分裂分析数据集，旨在支持早期脑发育的研究。该数据集由人类胚胎干细胞系WIBR3衍生的脑器官oid的共聚焦显微镜图像构成，系统地捕获了这些器官oid在发育过程中的细胞活动。BOrg数据集的创建是为了克服传统手动分析有丝分裂过程耗时且易出错的问题，通过自动化分析有丝分裂事件来辅助研究早期脑发育和相关的疾病机制。该数据集由Mohamed Bin Zayed University of Artificial Intelligence和Weizmann Institute of Science的研究人员共同开发，并于2024年6月发布。

当前挑战

BOrg数据集面临的挑战主要包括：1)如何准确检测和计数不同有丝分裂阶段的细胞，由于细胞形态和大小变化较大，这一任务具有挑战性；2)数据集构建过程中，如何高效地利用专家和非专家的知识进行数据标注；3)如何适应现有的深度学习模型，使其能够在稀疏标注的数据集上进行有效的学习和预测。

常用场景

经典使用场景

BOrg数据集被广泛应用于自动分析脑疾病中的早期脑发育过程，特别是在量化细胞分裂过程中的各个阶段，如细胞核在有丝分裂的不同阶段（前期、中期、后期和末期）的检测和计数。这一经典使用场景充分利用了数据集中通过共聚焦显微镜捕获的脑器官oids图像，以及针对这些图像的高效标注机制，从而为研究人员提供了一种研究脑发育和疾病的自动化工具。

实际应用

在实际应用中，BOrg数据集可以被用来开发自动化的脑疾病诊断工具，帮助医生更准确地分析患者脑部发育情况，从而制定更有效的治疗方案。此外，它还可以用于药物研发，通过分析细胞分裂和生长过程来评估药物对脑部发育的影响。

衍生相关工作

BOrg数据集衍生出的相关工作包括对有丝分裂检测和计数技术的改进，以及将这一技术应用于其他生物医学图像分析任务。例如，研究者可以利用BOrg数据集来训练和测试新的深度学习模型，以提高对脑部疾病相关细胞变化的检测准确性，或者开发新的脑发育监测工具。