编辑推荐：
研究人员介绍了一个用于细胞周期阶段的大规模单细胞数据集。该数据集包含4′,6-二脒基-2-苯基吲哚（DAPI）染色的人上皮瘤-2（HEp-2）细胞的单细胞图像，这些细胞生长在显微镜玻璃载玻片上。粘附性HEp-2细胞的灰度图像通过自动化倒置显微镜系统以20倍放大
研究人员介绍了一个用于细胞周期阶段的大规模单细胞数据集。该数据集包含4′,6-二脒基-2-苯基吲哚（DAPI）染色的人上皮瘤-2（HEp-2）细胞的单细胞图像，这些细胞生长在显微镜玻璃载玻片上。粘附性HEp-2细胞的灰度图像通过自动化倒置显微镜系统以20倍放大倍率采集。细胞图像以256×256像素的块大小自动分割，包含周围区域。最初，由专家将10,000张图像人工分类为5个细胞周期组（间期、前期、中期、后期、末期）和另外两个组（伪影、三极）。基于这些初始单细胞图像分类，训练了一个卷积神经网络（CNN）模型（VGG16）。随后，额外的分割后单细胞图像由CNN进行预分类，并由两位专家进行双盲审查和校正，以构建包含100,000张图像的算法辅助数据集。该数据集为生物医学和深度学习应用的发展提供了资源，因此能够支持细胞周期检测算法的训练和评估。
细胞周期特异性模式的检测在肿瘤诊断和自身免疫病血清学检测中具有核心地位。有丝分裂象的数量是肿瘤生长评估中最强的预后因素之一，而抗核抗体（ANA）检测中分裂中期板的识别对于报告特定AC模式至关重要。然而，有丝分裂细胞的识别和分裂期分类受到人为偏差、形态变异性和细胞分布差异的影响，导致病理学家间的一致性极差，Cohen's kappa值仅为0.13至0.39。因此，开发可靠的数据驱动算法需要大规模、高质量标注的数据集。针对这一需求，研究人员创建了一个经标注的、尺度无关和强度无关的HeLa/HEp-2细胞周期图像数据集，该数据集基于VGG16等CNN模型的辅助标注流程构建，旨在支持ANA模式分类和肿瘤相关研究。该论文发表在《Scientific Data》。
研究人员从德国德累斯顿免疫诊断促进协会（Association for the Advancement of Immune Diagnostics, Dresden, Germany）的诊断档案中获取了来自10年连续测量的HEp-2细胞DAPI染色免疫荧光图像。通过自动化倒置荧光显微镜以200倍放大率采集灰度图像，并使用Otsu阈值分割算法自动生成256×256像素的单细胞图像块。两位免疫学专家手动标注了初始10,000张图像，分为间期、前期、中期、后期、末期五个细胞周期组以及伪影和三极两个附加组，构成专家数据集（ExpD）。随后，基于VGG16的卷积神经网络在ExpD上训练25个周期，用于预分类新的图像，再由两位专家对预分类结果进行双盲审查和修正，最终构建包含100,000张图像的CNN专家数据集（CNN-D）。技术验证采用非预训练的VGG16分类网络，结合最大学习率10
-6和Lion优化器完成。
**Data Records**
研究人员将原始图像以WebP格式存储于Zenodo（https://doi.org/10.5281/zenodo.18337703），采用无损WebP格式以保留精确像素值并减少存储占用。所有图像均已匿名化。每个文件名包含专家分配的组名和组内唯一图像编号，例如“Interphase_00010”，或“DAPI”加整体显微镜图像的唯一编号。该数据集包含不同曝光时间下的图像，细胞周围包含周围物体，使得模型对亮度和尺度具有鲁棒性。
**Technical Validation**
技术验证分为两个层面：第一，对有丝分裂象与其他细胞进行二分类实验；第二，在完整测试集上进行类别识别任务。两种测试均以准确率作为评价指标，即正确预测图像数占评估图像总数的比例。在预选细胞的分类验证中，研究人员使用非预训练的VGG16网络，训练25个epoch，最大学习率为10
-6，采用Lion优化器，在测试集上取得了92.0%的准确率。混淆主要出现在相邻的有丝分裂期之间（例如前期到中期、后期到末期），而其他细胞类型均被较好分离。该结果与人类专家间对此类任务的高评分变异性一致，表明数据集标签质量较高。
讨论与结论：该数据集目前是已知标注有丝分裂象数量最大的公开数据集，为开发和改进用于在载玻片和微孔板上识别有丝分裂象的数据驱动算法提供了新机遇，并可用于荧光组织染色中细胞核分割等任务。数据集包含不同亮度和尺度的图像，有利于开发强度无关和尺度无关的鲁棒模型。研究结论表明，基于CNN辅助标注的高质量大规模细胞周期图像数据集能够支持细胞周期检测算法的训练和评估，并为ANA图像分析的人工智能解释和肿瘤相关研究提供资源。
