DEPICTER:用于组织学注释的深度表示集群

科学领域:

• 数字病理学数字病理学
• 计算机成像成像技术
• 医学中的人工智能.

背景情况:

• 精确细分组织病理学全幻灯片图像 (WSI) 对癌症诊断至关重要.
• 完全监督的深度学习方法需要大量的手动注释,这耗时且昂贵.
• 现有的非完全监督的方法往往优先考虑算法性能而不是实际的临床实用性.

研究的目的:

• 开发DEPICTER,一个用于高效和可靠的WSI细分的交互工具.
• 利用自主和半监督学习来减少病理学家的注释负担.
• 在现实场景中为组织病理学图像分析提供实用解决方案.

主要方法:

• DEPICTER使用预训练模型计算补丁嵌入.
• 用户可以交互选择良性和癌症补丁.
• 标签传播是通过种子代聚类或嵌入空间内的特征空间门实现的.

主要成果:

• DEPICTER 能够与病理学家进行实时交互.
• 该工具在WSI层面上生成贴片智能的密集细分图.
• 在公共数据集上的模拟显示了竞争性表现.

结论:

• DEPICTER为WSI细分提供了一种有效的交互式方法.
• 该工具显著减少了与手动注释相关的工作量.
• DEPICTER集成了深度表示与用户交互,以进行可靠的组织病理学分析.