<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

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

Ескіз

Файли

30210.pdf (232,69 KB)

Дата

2026

Автори

Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

The 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.

Опис

Ключові слова

cytological images , annotated datasets , domain shift , instance segmentation , CAD systems , cervicalcancer

УДК

004.932:616-076.5

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали Міжнародної науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2026)», м. Вінниця, 22-26 червня 2026 р.

ISSN

Бібліографічний опис

Лещенко 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.

URI

https://ir.lib.vntu.edu.ua/handle/123456789/53379

Зібрання

Молодь в науці: дослідження, проблеми, перспективи (МН-2026)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (16)

  1. Volodko 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.
  2. Jantzen J., Norup J., Dounias G., Bjerregaard B. Pap-smear Benchmark Data for Pattern Classification. Proc. NiSIS 2005. Albufeira : NiSIS, 2005. P. 1–9.
  3. Plissiti 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.
  4. Hussain 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.
  5. Rezende 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.
  6. Lu 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.
  7. Liu 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.
  8. Liu 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.
  9. Zhao 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.
  10. Campbell 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.