SlideTiler:一个数据集创建软件,用于促进对整体幻灯片图像的深度学习

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 机器学习在组织病理学中的应用.

背景情况:

• 深度学习通过从数字化组织学幻灯片中提取预后和预测信息,显著提升了数字病理学.
• 在深度学习分类任务中,高性能需要大量的数据集,但它们的收集和预处理耗时.

研究的目的:

• 介绍SlideTiler,一个开源的,用户友好的软件,旨在简化数字病理图像预处理,用于深度学习应用程序.
• 证明软件在管理各种预处理阶段的能力,包括瓦,标签和质量评估,而不需要编码技能.

主要方法:

• 开发了SlideTiler,这是一个开源软件,具有用于管理虚拟幻灯片预处理的图形界面.
• 实施了感兴趣地区的定制,标签,质量评估和直接导出到数据集目录.
• 在TCGA仓库数据上使用深度学习分类器来证明SlideTiler的有效性和可扩展性.

主要成果:

• 通过直观的工作流程,SlideTiler有效地管理多个图像预处理步骤.
• 该软件可直接访问虚拟幻灯片和自定义区域选择.
• 一个深度学习分类器证明了SlideTiler在分类瘤基因型中的有效性,突出了它在研究中的作用.

结论:

• SlideTiler显著提高了数字病理学图像预处理的效率和可访问性,用于深度学习研究.
• 该软件支持创建大型,精心策划的数据集,对于在病理学中推进诊断和预后应用至关重要.
• SlideTiler是一个有价值的,不断发展的工具,准备对数字病理学深度学习领域产生积极影响.