一个基于云的工具,用于整个幻灯片图像的联合细分

科学领域:

• 数字病理学数字病理学
• 人工智能在医学中的应用
• 医学成像分析 医学成像分析

背景情况:

• 多种数据集改善卷积神经网络 (CNN) 性能,用于整张幻灯片图像 (WSI) 分段.
• 机构之间的医疗数据共享受到监管和隐私方面的限制.

研究的目的:

• 开发和演示基于云的联合学习工具,用于WSI细分.
• 实现跨机构的病理学数据的协作分析,而无需直接共享数据.

主要方法:

• 开发了一个基于云的平台,用于联合WSI细分.
• 应用该工具对来自三个不同的机构的间歇纤维化肺组织分析 (IFTA) 数据进行细分.
• 在联合学习过程中,在每个机构保持数据分离.

主要成果:

• 在现实环境中证明了病理学数据联合学习的可行性.
• 通过使用联合方法,在IFTA的三个机构中实现了可比的细分性能.
• 证实数据分离不会对细分精度产生负面影响.

结论:

• 基于云的联合学习是协作WSI细分的可行解决方案.
• 该工具在遵守数据隐私法规的同时,促进了多机构的合作.
• IFTA的联合细分是有效的,不需要直接共享数据.