从传统到深度学习的方法在整个幻灯片图像的注册:一个方法论审查
Behnaz Elhaminia1, Abdullah Alsalemi1, Esha Nasir1
1Tissue Image Analytics (TIA) Centre, Department of Computer Science, University of Warwick, Coventry, UK.
Journal of pathology informatics
|October 23, 2025
概括
整体幻灯片图像 (WSI) 注册对齐组织数据用于瘤微环境 (TME) 分析. 本综述涵盖了当前的方法,深度学习方法和WSI注册挑战的未来趋势.
科学领域:
- 组织病理学和数字病理学
- 医学图像分析 医学图像分析
- 计算生物学 计算生物学
背景情况:
- 整体幻灯片图像 (WSI) 登记对于分析瘤微环境 (TME) 是至关重要的.
- 它从串行组织部分对齐空间信息,使3D重建和细胞子类识别成为可能.
- 挑战包括千兆像素图像大小,染色变异,组织变形和文物.
研究的目的:
- 提供当前WSI注册方法及其局限性的全面审查.
- 调查用于WSI注册的深度学习方法.
- 确定该领域的开放挑战和未来研究方向.
主要方法:
- 对现有的WSI注册技术进行文献综述.
- 对WSI注册的深度学习方法的分析.
- 检查可用的数据集,工具和软件.
主要成果:
- 在WSI注册的全面审查中发现了一个漏洞.
- 详细介绍了WSI注册的深度学习中的各种方法.
- 探索当前的数据集和软件工具.
结论:
- 在数字病理学中,WSI注册是一项复杂但至关重要的任务.
- 深度学习为解决WSI注册挑战提供了有希望的途径.
- 需要进一步的研究来克服现有的局限性,并推进该领域.
