DCA-CUSAT Bright Field Microscopic Sputum Smear TB Dataset

DCA-CUSAT Bright Field Microscopic Sputum Smear TB数据集是由科钦科技大学的研究团队创建的，专门用于结核病杆菌的检测。该数据集包含101张来自印度喀拉拉邦政府区结核病医院的ZN染色痰涂片图像，涵盖了结核病阳性的样本。数据集的创建过程涉及从患者痰样本中制备涂片，并使用ZN染色技术进行染色，以便在显微镜下观察结核病杆菌。该数据集的主要应用领域是自动化结核病诊断，旨在通过深度学习技术提高结核病杆菌检测的准确性和效率，特别是在资源有限的地区。数据集的使用有助于开发更高效的自动化显微镜检测系统，从而加速结核病的诊断和治疗过程。

The DCA-CUSAT Bright Field Microscopic Sputum Smear TB Dataset was created by a research team from Cochin University of Science and Technology, specifically for the detection of Mycobacterium tuberculosis. This dataset contains 101 Ziehl-Neelsen (ZN) stained sputum smear images sourced from government district tuberculosis hospitals in Kerala, India, covering tuberculosis-positive specimens. The dataset creation process involves preparing smears from patient sputum samples and staining them using the ZN staining technique to enable microscopic observation of Mycobacterium tuberculosis. Its primary application field is automated tuberculosis diagnosis, aiming to improve the accuracy and efficiency of Mycobacterium tuberculosis detection via deep learning technologies, especially in resource-limited regions. The utilization of this dataset facilitates the development of more efficient automated microscopic detection systems, thereby accelerating the diagnosis and treatment process of tuberculosis.

搜集汇总

数据集介绍

构建方式

DCA-CUSAT Bright Field Microscopic Sputum Smear TB Dataset的构建基于从印度喀拉拉邦政府区结核病医院获取的Ziehl-Neelsen（ZN）染色痰涂片样本。这些样本来自结核病阳性患者，经过ZN染色后，使用Nikon Ti2-u Eclipse显微镜在100倍放大下拍摄图像。图像采集采用线性扫描模式，从左上到右下依次拍摄，最终生成了101张分辨率为2880×2048像素的图像。每张图像均经过严格的质量控制，确保其适用于后续的自动化结核杆菌检测研究。

特点

该数据集的特点在于其高分辨率和多样化的结核杆菌分布。图像中结核杆菌呈现出红色或粉红色，背景为蓝色或绿色，便于视觉区分。数据集涵盖了不同密度的结核杆菌分布，既有高密度区域，也有低密度区域，能够有效支持深度学习模型的训练和验证。此外，数据集还提供了精确的标注信息，包括结核杆菌的边界框和分割掩码，为模型的性能评估提供了可靠的基础。

使用方法

DCA-CUSAT数据集主要用于训练和评估结核杆菌检测的深度学习模型。在使用时，图像通常被分割为256×256像素的补丁，以便于模型处理。数据集中的图像和标注信息可用于训练分割模型（如Attention Residual U-Net）和分类模型（如TBViT）。训练完成后，模型可用于自动检测痰涂片图像中的结核杆菌，并通过Jaccard指数、Dice系数、准确率、精确率、召回率和F1分数等指标评估其性能。该数据集还可与其他公开数据集结合使用，以增强模型的泛化能力。

背景与挑战

背景概述

DCA-CUSAT Bright Field Microscopic Sputum Smear TB Dataset 是由印度科钦科技大学计算机应用系的 Greeshma K. 和 Vishnukumar S. 于2025年创建的，旨在通过深度学习技术自动化结核病（TB）的诊断过程。结核病是由结核分枝杆菌引起的传染性疾病，尤其在低收入和中等收入国家中，其负担尤为沉重。显微镜检查是诊断结核病的关键手段，但其劳动密集型特性使得自动化检测成为提高诊断效率和可靠性的重要方向。该数据集包含101张来自ZN染色痰涂片的显微图像，旨在通过先进的图像分割和分类技术，提升结核杆菌的检测精度和自动化水平。

当前挑战

DCA-CUSAT 数据集在解决结核杆菌检测问题时面临多重挑战。首先，结核杆菌在显微图像中的形态多样且背景复杂，导致传统图像分割方法难以准确区分目标区域。其次，数据集中存在显著的类别不平衡问题，结核杆菌区域与非结核杆菌区域的比例不均，增加了分类模型的训练难度。此外，构建该数据集的过程中，研究人员需克服图像采集和标注的高成本问题，尤其是在低资源环境下，获取高质量的显微图像和精确的标注数据尤为困难。这些挑战共同推动了深度学习技术在结核病诊断中的应用，但也对模型的鲁棒性和泛化能力提出了更高要求。

常用场景

经典使用场景

DCA-CUSAT Bright Field Microscopic Sputum Smear TB Dataset 主要用于结核病（TB）的自动化诊断研究。该数据集包含从 Ziehl-Neelsen 染色痰涂片显微镜图像中提取的结核分枝杆菌图像，广泛应用于深度学习模型的训练与评估，特别是用于结核分枝杆菌的自动分割与分类任务。通过该数据集，研究人员能够开发出高效的图像处理算法，提升结核病诊断的自动化水平。

衍生相关工作

基于 DCA-CUSAT 数据集，衍生出了多项经典研究工作。例如，研究人员提出了结合注意力机制的残差 U-Net 模型用于结核分枝杆菌的分割，并开发了定制化的视觉 Transformer（TBViT）用于分类任务。这些工作不仅提升了结核病诊断的自动化水平，还为其他医学图像分析任务提供了新的思路和方法。此外，该数据集还推动了结核病诊断领域的数据共享与标准化，促进了全球范围内的合作研究。

数据集最近研究

最新研究方向

近年来，DCA-CUSAT Bright Field Microscopic Sputum Smear TB Dataset在结核病诊断领域的研究方向主要集中在自动化检测技术的优化与深度学习模型的创新应用上。结核病作为一种全球性健康威胁，尤其在低收入和中等收入国家中，显微镜检查仍然是诊断结核病的关键手段。然而，传统显微镜检查的劳动力密集性和主观性限制了其效率和准确性。为此，研究者们致力于通过深度学习技术实现结核杆菌的自动化检测。最新的研究提出了一种基于注意力机制和残差连接的U-Net模型，用于显微镜痰涂片图像的分割，并结合定制的Vision Transformer（TBViT）进行分类。该方法不仅显著提高了分割和分类的精度，还增强了自动化水平，超越了现有的检测方法。这一进展为结核病的早期诊断和有效治疗提供了强有力的技术支持，同时也为未来的研究开辟了新的方向，如进一步扩展数据集和优化杆菌计数技术。

相关研究论文

• Efficient and Accurate Tuberculosis Diagnosis: Attention Residual U-Net and Vision Transformer Based Detection Framework

  科钦科技大学 · 2025年