人类乳腺癌正常与非典型有丝分裂象组织学数据集（AMi-Br）
Histologic Dataset of Normal and Atypical Mitotic Figures on Human Breast Cancer (AMi-Br)
AI总结：
本文发布首个公开的乳腺癌正常与非典型有丝分裂象数据集 AMi-Br，并通过专家标注和基线分类实验验证其可用性。
摘要：
评估肿瘤组织学切片中有丝分裂象（MFs）的密度，是包括乳腺癌在内的许多肿瘤类型的重要预后标志物。近来，多项研究报道，具有非典型形态的有丝分裂象（非典型 MFs，AMFs）数量可能是乳腺癌的一项独立预后标准。AMFs 是调控细胞周期的基因发生突变的指标，并可导致肿瘤细胞出现异常染色体构成（非整倍体）。为促进利用模式识别对该主题开展进一步研究，我们提出了有史以来首个公开可用的非典型与正常 MFs 数据集（AMi-Br）。为此，我们利用两个最流行的 MF 数据集（MIDOG 2021 和 TUPAC），并通过三名专家多数投票对所有 MFs 进行子类划分。最终数据集包含 3,720 个 MFs，在合并集合的全部 223 个肿瘤病例中，分为 832 个 AMFs（22.4%）和 2,888 个正常 MFs（77.6%）。我们提供基线分类实验以考察数据集的一致性，采用 Monte Carlo 交叉验证以及应对类别不平衡的不同策略。结果发现，使用图像块级数据集划分时，平均平衡准确率最高达 0.806；使用患者级划分时，最高达 0.713。
英文摘要：
Assessment of the density of mitotic figures (MFs) in histologic tumor sections is an important prognostic marker for many tumor types, including breast cancer. Recently, it has been reported in multiple works that the quantity of MFs with an atypical morphology (atypical MFs, AMFs) might be an independent prognostic criterion for breast cancer. AMFs are an indicator of mutations in the genes regulating the cell cycle and can lead to aberrant chromosome constitution (aneuploidy) of the tumor cells. To facilitate further research on this topic using pattern recognition, we present the first ever publicly available dataset of atypical and normal MFs (AMi-Br). For this, we utilized two of the most popular MF datasets (MIDOG 2021 and TUPAC) and subclassified all MFs using a three expert majority vote. Our final dataset consists of 3,720 MFs, split into 832 AMFs (22.4%) and 2,888 normal MFs (77.6%) across all 223 tumor cases in the combined set. We provide baseline classification experiments to investigate the consistency of the dataset, using a Monte Carlo cross-validation and different strategies to combat class imbalance. We found an averaged balanced accuracy of up to 0.806 when using a patch-level data set split, and up to 0.713 when using a patient-level split.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
