Показати скорочену інформацію

Порівняльний аналіз відкритих анотованих датасетів для розробки систем автоматизованого аналізу цитологічних зображень

dc.contributor.authorЛещенко, В. О.uk
dc.contributor.authorLeshchenko, V. O.en
dc.date.accessioned2026-09-03T10:40:40Z
dc.date.available2026-09-03T10:40:40Z
dc.date.issued2026
dc.identifier.citationЛещенко В. О. Порівняльний аналіз відкритих анотованих датасетів для розробки систем автоматизованого аналізу цитологічних зображень // Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р. Електрон. текст. дані. 2026. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30210.uk
dc.identifier.urihttps://ir.lib.vntu.edu.ua/handle/123456789/53379
dc.description.abstractУ роботі здійснено порівняльний аналіз відкритих анотованих датасетів цитологічних зображень, які використовуються при розробці систем автоматизованої діагностики онкопатологій. Систематизовано обмеження наявних публічних ресурсів та наведено кількісні докази деградації моделей через доменний зсув.uk
dc.description.abstractThe paper presents a comparative analysis of publicly available annotated cytological image datasets used for developing automated diagnostic systems for oncopathologies. The limitations of existing public resources are systematized and quantitative evidence of model performance degradation due to domain shift is provided. The expediency of forming a proprietary multicentre dataset representative of the Ukrainian clinical context is substantiated.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2026/paper/view/30210
dc.subjectцитологічні зображенняuk
dc.subjectанотовані датасетиuk
dc.subjectдоменний зсувuk
dc.subjectінстансна сегментаціяuk
dc.subjectCADсистемиuk
dc.subjectрак шийки маткиuk
dc.subjectcytological imagesen
dc.subjectannotated datasetsen
dc.subjectdomain shiften
dc.subjectinstance segmentationen
dc.subjectCAD systemsen
dc.subjectcervicalcanceren
dc.titleПорівняльний аналіз відкритих анотованих датасетів для розробки систем автоматизованого аналізу цитологічних зображеньuk
dc.typeThesis
dc.identifier.udc004.932:616-076.5
dc.relation.referencesБюлетень Національного канцер-реєстру України № 26. Рак в Україні, 2023–2024 / уклад. З. П. Федоренко та ін. К. : НКРУ, 2025. URL: http://www.ncru.inf.ua/publications/BULL_26/index.htm (дата звернення: 06.05.2026).uk
dc.relation.referencesVolodko N., Chopyak V., Mazur Yu. Barriers to implementing cervical cancer screening in Ukraine: the path forward. Proceedings of the Shevchenko Scientific Society. Medical Sciences. 2025. Vol. 77, № 1. DOI: 10.25040/ntsh2025.01.01.en
dc.relation.referencesJantzen J., Norup J., Dounias G., Bjerregaard B. Pap-smear Benchmark Data for Pattern Classification. Proc. NiSIS 2005. Albufeira : NiSIS, 2005. P. 1–9.en
dc.relation.referencesPlissiti M. E. et al. SIPaKMeD: A new dataset for feature and image based classification of normal and pathological cervical cells in Pap smear images. 2018 IEEE ICIP. 2018. P. 3144–3148. DOI: 10.1109/ICIP.2018.8451588.en
dc.relation.referencesHussain E., Mahanta L. B., Borah H., Das C. R. Liquid based-cytology Pap smear dataset for automated multi-class diagnosis of pre-cancerous and cervical cancer lesions. Data in Brief. 2020. Vol. 30. Art. 105589. DOI: 10.1016/j.dib.2020.105589.en
dc.relation.referencesRezende M. T. et al. CRIC searchable image database as a public platform for conventional Pap smear cytology data. Scientific Data. 2021. Vol. 8. Art. 151. DOI: 10.1038/s41597-021-00933-8.en
dc.relation.referencesLu Z., Carneiro G., Bradley A. P. et al. Evaluation of three algorithms for the segmentation of overlapping cervical cells. IEEE J. Biomed. Health Inform. 2017. Vol. 21, № 2. P. 441–450. DOI: 10.1109/JBHI.2016.2519686.en
dc.relation.referencesLiu J. et al. Local Label Point Correction for Edge Detection of Overlapping Cervical Cells. Frontiers in Neuroinformatics. 2022. Vol. 16. Art. 895290. DOI: 10.3389/fninf.2022.895290.en
dc.relation.referencesLiu G. et al. Cx22: A new publicly available dataset for deep learning-based segmentation of cervical cytology images. Computers in Biology and Medicine. 2022. Vol. 150. Art. 106194. DOI: 10.1016/j.compbiomed.2022.106194.en
dc.relation.referencesZhao J. et al. CNSeg: A dataset for cervical nuclear segmentation. Computer Methods and Programs in Biomedicine. 2023. Vol. 241. Art. 107732. DOI: 10.1016/j.cmpb.2023.107732.en
dc.relation.referencesCampbell M. J. et al. BMT: A Cross-Validated ThinPrep Pap Cervical Cytology Dataset for Machine Learning Model Training and Validation. Scientific Data. 2024. DOI: 10.1038/s41597-024-04328-3.en
dc.relation.referencesZhang X. et al. A large annotated cervical cytology images dataset for AI models to aid cervical cancer screening. Scientific Data. 2025. Vol. 12. Art. 23. DOI: 10.1038/s41597-025-04374-5.en
dc.relation.referencesPerez Bianchi P. et al. RIVA: An Image Dataset of Conventional Pap Smear Cytology with Multiple Independent Annotations. Scientific Data. 2025. DOI: 10.1038/s41597-025-06280-2.en
dc.relation.referencesMosquera-Zamudio A. et al. Deep-learning approaches for cervical cytology nuclei segmentation in whole slide images. Journal of Imaging. 2025. Vol. 11, № 5. Art. 137. DOI: 10.3390/jimaging11050137.en
dc.relation.referencesOcampo-Lpez-Escalera J. et al. Robust Cell-Level Classification for Liquid-Based Cervical Cytology Using Deep Transfer Learning: A Multi-Source Study Addressing Scanner-Induced Domain Shifts. Bioengineering. 2026. Vol. 13. Art. 289. DOI: 10.3390/bioengineering13030289.en
dc.relation.referencesNayar R., Wilbur D. C. The Bethesda System for Reporting Cervical Cytology: Definitions, Criteria, and Explanatory Notes. 3rd ed. Cham : Springer, 2015. DOI: 10.1007/978-3-319-11074-5.en
dc.relation.referencesПро затвердження Технічного регламенту щодо медичних виробів : Постанова Кабінету Міністрів України від 02.10.2013 № 753. URL: https://zakon.rada.gov.ua/laws/show/753-2013-п (дата звернення: 06.05.2026).uk
dc.relation.referencesU. S. Food and Drug Administration. Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD) Action Plan. Silver Spring, MD : FDA, 2021. URL: https://www.fda.gov/medical-devices/software-medical-devicesamd/artificial-intelligence-software-medical-device (дата звернення: 06.05.2026).en


Файли в цьому документі

Thumbnail
Ім'я:
30210.pdf
Розмір:
232.6Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію