路径EX:为整张幻灯片图像提取做出良好的选择

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 医学图像分析 医学图像分析

背景情况:

• 整个幻灯片图像 (WSI) 分析通常使用基于的方法进行幻灯片级预测.
• 不规则的瘤形状和尺寸在WSI分析中存在挑战.
• 现有的方法难以在复杂的瘤边界周围精确地提取.

研究的目的:

• 在WSI分析中引入PathEX,这是一种用于精确图像提取的新框架.
• 解决目前处理不规则瘤区域的方法的局限性.
• 提高用于病理学模型培训的选效率和准确性.

主要方法:

• 开发了PathEX,集成了切口对 (IoT) 和背景对 (BoT) 算法.
• 使用PathEX在注释区域边界周围提取,但不包括空白.
• 在CAM和PAIP数据集上训练了分类模型,使用八个生成的训练集,具有各种物联网和BoT参数.

主要成果:

• 在注释区域边界上,PathEX成功地提取了图像,根据物联网参数进行可调节的提取.
• 通过调整BoT参数来实现注释区域内的空白的排除.
• 在特定的物联网和BoT参数范围内观察到最佳性能,这表明了框架的适应性.

结论:

• PathEX提供了一个强大的解决方案,用于数字病理学中的图像提取,集成物联网和BoT算法.
• 该框架允许研究人员通过设置物联网和Bot值来定制提取.
• 在WSI分析中,PathEX为优化图像选择提供了有价值的指导,以提高诊断准确性.