SICAPv2

该数据集名为SICAPv2，包含了155张不同形状和大小的全切片图像，这些图像是在10倍放大倍数下处理的，用于前列腺活检的ISUP分级，这是一个5分类问题。在数据划分上，采用了5折交叉验证，将数据以60%、20%、20%的比例分为训练集、验证集和测试集。每次训练使用了48,552对（h_i, T(h_i)）数据对。该数据集的规模为155张全切片图像，所承担的任务是对前列腺活检进行ISUP分级。

This dataset, named SICAPv2, encompasses 155 whole-slide images with diverse shapes and sizes, which were processed at 10× magnification for ISUP grading of prostate biopsies—a 5-class classification task. For data splitting, 5-fold cross-validation is employed, with the dataset partitioned into training, validation, and test sets at a ratio of 60%, 20%, and 20% respectively. Each training iteration utilizes 48,552 pairs of (h_i, T(h_i)) samples. In total, this dataset contains 155 whole-slide images, with its core task being ISUP grading for prostate biopsies.

搜集汇总

背景与挑战

背景概述

SICAPv2是一个用于前列腺活检ISUP分级的数据集，包含155张全切片图像，处理放大倍数为10倍，任务为5分类问题。数据集采用5折交叉验证进行划分，训练、验证和测试集比例分别为60%、20%和20%，每次训练使用48,552对数据对。