A Nasal Cytology Dataset for Object Detection and Deep Learning

鼻黏膜细胞学是一种新的、高效的临床诊断过敏性鼻炎的技术，但由于细胞计数非常耗时，因此并没有得到广泛应用。因此，AI辅助计数可能是该技术推广的一个转折点。本文介绍了第一个鼻黏膜细胞学领域图像数据集NCD（鼻黏膜细胞学数据集），旨在训练和部署目标检测模型，以支持临床医生和生物学家的工作。从临床患者的幻灯片中采样图像，并手动注释每个细胞，以复制鼻黏膜中的细胞类型的真实分布。对应的目标检测任务面临着非常棘手的问题，包括最稀有的细胞类型，导致类别不平衡。本文通过提出一种基于机器学习的新方法，以帮助自动检测和分类鼻黏膜细胞，解决了一些开放性挑战。DETR和YOLO模型在检测和正确分类细胞方面表现良好，显示出加速鼻科专家工作的巨大潜力。

本文旨在通过建立NCD数据集，利用机器学习模型实现自动检测和分类鼻黏膜细胞，以加速鼻病学专家的工作。同时，解决了细胞类型分布不均衡的问题。

论文提出了使用DETR和YOLO模型进行鼻黏膜细胞的自动检测和分类，同时解决了类别不平衡的问题。

本文提出了NCD数据集，使用了DETR和YOLO模型进行实验，并取得了良好的效果。该研究为鼻病学领域的自动化检测和分类提供了新思路。

在鼻病学领域，还有一些相关的研究，如《A Comprehensive Review of Nasal Cytology》、《The Role of Nasal Cytology in the Management of Allergic Rhinitis》等。