Chula-RBC-12-Dataset

Chula-RBC-12数据集是一个用于红血球细胞分割、重叠细胞分离和分类的数据集，包含12种类型的红血球，共计706张血涂片图像，涵盖超过20,000个红血球细胞。该数据集于2019年在朱拉隆功大学的红细胞障碍氧化研究单位收集，使用DS-Fi2-L3尼康显微镜在1000倍放大率下拍摄。

The Chula-RBC-12 dataset is a benchmark dataset for red blood cell (RBC) segmentation, overlapping cell separation and classification. It includes 12 types of red blood cells, with a total of 706 blood smear images covering over 20,000 red blood cells. This dataset was collected in 2019 at the Red Blood Cell Oxidative Disorder Research Unit of Chulalongkorn University, and captured using a DS-Fi2-L3 Nikon microscope at 1000× magnification.

原始信息汇总

Chula RBC-12 数据集

Chula-RBC-12 数据集是一个用于红细胞（RBC）血涂片图像的数据集，用于论文《Red Blood Cell Segmentation with Overlapping Cell Separation and Classification from an Imbalanced Dataset》。该数据集包含12种类型的红细胞，共计706张血涂片图像，包含超过20,000个红细胞。数据集于2019年在朱拉隆功大学的氧化红细胞障碍研究单位收集，使用DS-Fi2-L3尼康显微镜在1000倍放大倍数下拍摄。

红细胞类型

• 0 正常细胞
• 1 大红细胞
• 2 小红细胞
• 3 球形红细胞
• 4 靶形细胞
• 5 口形细胞
• 6 椭圆形细胞
• 7 泪滴形细胞
• 8 刺细胞
• 9 碎片细胞
• 10 未分类
• 11 低色素性细胞
• 12 椭圆形细胞

数据集

• "Dataset" 文件夹包含738张分辨率为640*480的红细胞血涂片图像。
• "Label" 文件夹包含标签数据，文件名与相应图像对应。文件可以包含多行，每行按以下顺序存储：
  • x坐标
  • y坐标
  • 红细胞类型编号

引用

如果您使用此数据集，请引用以下论文：

@misc{naruenatthanaset2021red, title={Red Blood Cell Segmentation with Overlapping Cell Separation and Classification on Imbalanced Dataset}, author={Korranat Naruenatthanaset and Thanarat H. Chalidabhongse and Duangdao Palasuwan and Nantheera Anantrasirichai and Attakorn Palasuwan}, year={2021}, eprint={2012.01321}, archivePrefix={arXiv}, primaryClass={eess.IV} }

搜集汇总

数据集介绍

构建方式

Chula-RBC-12-Dataset 是由泰国朱拉隆功大学氧化红细胞障碍研究中心于2019年收集的，使用DS-Fi2-L3 Nikon显微镜在1000倍放大倍率下拍摄的红细胞血涂片图像数据集。该数据集包含12种不同类型的红细胞，共计706张血涂片图像，涵盖超过20,000个红细胞。数据集的构建过程中，每张图像均经过精细标注，标注信息包括红细胞的坐标及其类型编号，确保了数据的高质量和准确性。

特点

Chula-RBC-12-Dataset 的显著特点在于其多样性和详细标注。数据集涵盖了12种不同类型的红细胞，包括正常细胞和多种异常细胞类型，如巨红细胞、小红细胞、球形红细胞等。每张图像的分辨率为640*480，且每张图像都附带有详细的标注文件，标注信息包括红细胞的坐标和类型编号，便于进行精确的细胞分类和分割研究。

使用方法

Chula-RBC-12-Dataset 主要用于红细胞的分割、重叠细胞分离及分类研究。用户可以通过访问数据集的'Dataset'文件夹获取738张红细胞血涂片图像，并通过'Label'文件夹中的标注文件获取每张图像中红细胞的详细信息。在使用该数据集进行研究时，建议引用相关文献以确保学术诚信。

背景与挑战

背景概述

Chula-RBC-12-Dataset是由泰国朱拉隆功大学氧化红细胞障碍研究单位于2019年创建的红细胞（RBC）血液涂片图像数据集。该数据集包含12种不同类型的红细胞，共计706张涂片图像，涵盖超过20,000个红细胞。这些图像通过DS-Fi2-L3 Nikon显微镜在1000倍放大倍率下采集，主要用于研究红细胞的分割、重叠细胞分离及分类问题。该数据集的核心研究问题在于处理不平衡数据集中的红细胞分类，对血液病理学和计算机视觉领域具有重要意义。

当前挑战

Chula-RBC-12-Dataset在构建过程中面临的主要挑战包括：首先，红细胞图像的多样性和复杂性，尤其是重叠细胞的分离问题，对图像处理算法提出了高要求。其次，数据集的不平衡性，即不同类型红细胞的数量差异较大，增加了分类模型的训练难度。此外，图像分辨率和标注的精确性也对数据集的质量和后续研究提出了挑战。这些挑战不仅影响了数据集的构建，也对相关领域的研究和应用提出了更高的技术要求。

常用场景

经典使用场景

Chula-RBC-12-Dataset 主要用于红细胞（RBC）图像的分割、重叠细胞分离及分类任务。该数据集包含12种不同类型的红细胞，涵盖了706张血液涂片图像，适用于研究红细胞形态学特征及其在疾病诊断中的应用。通过该数据集，研究者可以开发和验证用于自动识别和分类红细胞的算法，特别是在处理不平衡数据集时，具有重要的应用价值。

衍生相关工作

基于 Chula-RBC-12-Dataset，研究者已开展了一系列相关工作，包括改进红细胞图像分割算法、开发新的分类模型以处理不平衡数据集，以及探索深度学习技术在红细胞形态学分析中的应用。这些研究不仅推动了红细胞图像处理技术的发展，还为血液疾病的自动化诊断提供了新的工具和方法。此外，该数据集还激发了其他研究者在不同医学图像处理领域的探索，如白细胞分类和血小板分析等。

数据集最近研究

最新研究方向

在血液学与计算机视觉的交叉领域，Chula-RBC-12-Dataset因其丰富的红细胞图像和多样的分类标签，成为研究红细胞形态学分析的前沿工具。该数据集不仅涵盖了12种红细胞类型，还通过高分辨率图像捕捉了细胞的细微结构，为深度学习模型在红细胞分类与分割中的应用提供了坚实基础。近年来，研究者们利用该数据集探索了不平衡数据集上的细胞分割与分类技术，特别是在处理重叠细胞分离和异常细胞检测方面取得了显著进展。这些研究不仅推动了医学图像处理技术的发展，也为贫血等血液疾病的早期诊断提供了新的可能性。