作为一个平台,NCI成像数据共享在计算病理学的可重复性研究

科学领域:

• 计算病理学计算病理学
• 机器学习是机器学习.
• 癌症成像成像 癌症成像成像

背景情况:

• 可复制性是计算病理学 (CompPath) 研究中的一个关键挑战.
• 该NCI成像数据共享 (IDC) 提供超过120个符合FAIR的癌症图像集合.
• IDC的设计是为了与云计算机器学习 (ML) 服务进行集成.

研究的目的:

• 评估NCI成像数据共享 (IDC) 在提高CompPath研究的可重复性方面的潜力.
• 探索使用IDC数据集和云ML服务来开发一致的ML模型.

主要方法:

• 实施了两项实验,使用基于ML的代表性方法进行肺瘤组织分类.
• 在IDC的不同数据集上训练和/或评估ML模型.
• 通过与相同配置的云ML服务实例多次运行实验来评估可重复性.

主要成果:

• 实验表明,在多次运行中具有很高的可重现性.
• 在曲线下面积 (AUC) 值中观察到微小的变化,表明可重现性的实际限制.
• 该NCI成像数据共享方便一致的数据集访问和计算环境.

结论:

• IDC有助于在CompPath研究中实现可重复性.
• 从IDC重复使用相同的数据集对于可重复的结果至关重要.
• 与云ML服务的集成使CompPath研究的标准化计算环境成为可能.