肠镜活检组织病理学血卟啉和伊红图像数据集

数据说明：

背景和目的:结肠癌是一种常见的致命恶性肿瘤，是全球男性第四大常见癌症，女性第三大常见癌症。在疾病的治疗中，早期癌症的及时检测至关重要。目前，缺乏直肠癌组织病理学图像分割的数据集，这往往阻碍了计算机技术在辅助诊断时的评估准确性。方法:本研究为图像分割任务提供了一种新的公开可用的内镜活检组织病理学苏木素和伊红图像数据集(EBHI-Seg)。为了证明 EBHI-Seg,的有效性和广泛性，使用经典机器学习方法和深度学习方法对 EBH-Seg,的实验结果进行了评估。结果:实验结果表明，深度学习方法在利用EBHI-Seg 时具有更好的图像分割性能。经典机器学习方法的 Dice 评价指标的极大值为 0.948，而深度学习方法的 Dice 评价指标为 0.965。结论:该公开数据集包含5,170 张六种肿瘤分化阶段的图像和相应的真实图像该数据集可为研究人员提供用于大肠癌医学诊断的新的分割算法，可用于临床环境中帮助医生和患者。。