SliDL:在深度学习中处理整个幻灯片图像的工具箱.
Adam G Berman1, William R Orchard1, Marcel Gehrung1
1Cancer Research UK Cambridge Institute, University of Cambridge, Cambridge, United Kingdom.
PloS one
|August 7, 2023
概括
SliDL是一个新的Python库,它简化了用于深度学习应用的全幻灯片图像 (WSIs) 的分析. 这种工具有助于完成必要的处理前和处理后任务,使WSI分析更容易用于疾病诊断.
科学领域:
- 数字病理学数字病理学
- 计算生物学是一种计算生物学.
- 医疗图像分析 医学图像分析
背景情况:
- 病理学家对染色组织幻灯片的审查对于疾病检测和诊断至关重要.
- 深度学习 (DL) 在分析全幻灯片图像 (WSIs) 中显示出有前景,以帮助病理学家.
- 世界工业协会提出了独特的挑战,包括文物,注释和绩效评估.
研究的目的:
- 介绍SliDL,一个用于WSI预处理和后处理的Python库.
- 为深度学习工作流程简化WSI数据处理.
- 提高DL在病理学中的WSI分析的可访问性.
主要方法:
- 开发了SliDL,这是一个用于WSI数据处理的Python库.
- 实现了用于注释,取,组织检测和模型评估的功能.
- 设计SliDL以与PyTorch深度学习库无集成.
主要成果:
- 通过简单的代码,SliDL简化了基本的WSI处理任务.
- 该图书馆将标准图像分析和专门的WSI分析相结合.
- 提供代码片段,以指导用户应用SliDL功能.
结论:
- SliDL提高了深度学习的可访问性和效率,用于WSI分析.
- 该图书馆支持DL方法在数字病理学的开发和应用.
- 更容易将WSI分析集成到临床诊断工作流程中.
