通过WSInfer和QuPath,为病理学开放和可重复使用的深度学习

科学领域:

• 计算病理学计算病理学
• 医学中的人工智能
• 生物医学信息学是生物医学信息学.

背景情况:

• 深度学习模型越来越多地用于数字病理学.
• 一个重大挑战是,这些复杂的模型缺乏可重复使用性.
• 这阻碍了人工智能工具在病理学中的更广泛应用和验证.

研究的目的:

• 为数字病理学开发一个开源软件生态系统.
• 促进深度学习模型的共享和重复使用.
• 加速诊断,预后和预测病理学的研究.

主要方法:

• 开发WSInfer,一个开源软件生态系统.
• 专注于简化模型共享和重复使用的过程.
• 实施用于管理和部署深度学习模型的工具.

主要成果:

• WSInfer为数字病理学中的深度学习模型提供了一个集中平台.
• 生态系统简化了模型的可访问性和整合到研究工作流程中.
• 促进合作,减少冗余的发展工作.

结论:

• WSInfer提高了深度学习模型的可访问性和可重复使用性.
• 这使得研究人员能够在数字病理学中提升诊断,预后和预测能力.
• 促进AI驱动的病理学研究的标准化和可重现性.