相关实验视频
Updated: Jun 18, 2025

07:37
SIVQ-LCM Protocol for the ArcturusXT Instrument
Published on: July 23, 2014
8.6K
通过明确的工件增强来提高整个幻灯片图像的质量控制
Artur Jurgas1,2, Marek Wodzinski3,4, Marina D'Amato5
1AGH University of Krakow, Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering, 30059, Krakow, Poland. arjurgas@agh.edu.pl.
Scientific reports
|August 1, 2024
概括
这项研究为整个幻灯片图像引入了一个文物增强工具,提高了文物分类准确度. 这个自由发布的框架支持数字病理学的开放科学.
科学领域:
- 数字病理学和计算成像计算成像
- 医学图像分析和机器学习
背景情况:
- 整体幻灯片成像 (WSI) 中的工件破坏了临床和研究工作流程,需要人工干预和重新扫描.
- 开发WSI文物的自动化质量控制是由于稀缺的注释性组织病理学数据而受到限制.
- 手动基础真相注释用于文物检测是昂贵和耗时的.
研究的目的:
- 为了解决数据稀缺问题,用于训练在组织病理学中的文物检测算法.
- 提出和评估一种方法来增强整张幻灯片图像与合成工件.
主要方法:
- 开发了一个工具来生成和无地将来自外部图书馆的文物融合到组织病理学数据集中.
- 利用增强数据集来训练文物分类模型.
- 评估了在增强数据上训练的文物分类方法的性能改进.
主要成果:
- 文物增强方法显著提高了文物分类模型的性能.
- 接收器运行特征曲线 (AUROC) 下面的面积从0.10提高到0.01,这取决于工件类型.
- 开发的框架,模型,权重和注释被公开发布.
结论:
- 合成人工物增强是一种有效的策略,可以克服在组织病理学中的数据限制.
- 拟议的工具增强了对强大的文物检测和分类算法的培训.
- 资源的开放释放促进了数字病理学研究的可复制性和进步.

