腹主动脉瘤组织病理学评估深度学习数据集（HistAAA）
该数据集包含来自369名腹主动脉瘤患者的数字病理全切片图像提取的特征向量及病理专家标注，数据模态为组织病理图像特征与临床表格信息，主要用于深度学习在计算病理学中的应用，如自动预测炎症、弹性纤维降解和纤维化等组织病理学变量，以支持腹主动脉瘤的病理机制研究和临床辅助诊断模型开发。
创建时间2024-04-25
更新时间2024-04-29
资源简介
该数据集为论文《Histopathological Evaluation of Abdominal Aortic Aneurysms with Deep Learning》的配套数据，包含来自欧洲三个医疗中心（慕尼黑工业大学、维尔茨堡大学医院和维也纳医科大学）的369名腹主动脉瘤患者的数字全切片图像（WSI）提取的特征向量及相应的病理专家标注。数据涵盖患者临床信息（性别、吸烟史）和多种组织病理学参数，如炎症程度、弹性纤维降解、纤维化、血管新生和钙化等。该数据集旨在支持计算病理学建模任务，包括利用深度学习自动预测病理相关变量，为腹主动脉瘤的病理机制研究和临床辅助诊断提供数据基础。
提供机构：Zenodo
精度瓶颈？数据缺失？
当前公开数据无法满足您的算法精度？千方提供针对 主动脉瘤 的高质量、多模态真实临床数据定制解决方案。