增强数字病理学工作流程:在临床前毒理学中用于H&E图像质量控制的计算模糊检测
Cyrus Manuel1, Andy Cheon2, Trung Nguyen3
1Computational Biology & Medicine, Genentech, South San Francisco, CA, USA.
Journal of histotechnology
|December 3, 2025
概括
数字病理学的自动化质量控制使用MiQC (微观质量控制) 来识别模糊的整片图像 (WSIs). 这种人工智能工具显著加快了WSI审查的速度,改善了数字病理学工作流程.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 毒理学病理学的毒理学病理学
背景情况:
- 毒理病理学的数字化转型依赖于高质量的全幻灯片图像 (WSIs).
- 焦点度是WSI质量的关键决定因素.
- 手动质量控制 (QC) 是耗时的,可以错过微妙的焦点问题.
研究的目的:
- 将计算质量控制系统MiQC (微观质量控制) 整合和评估到常规的WSI QC工作流程中.
- 在WSIs中自动检测和量化失焦区域.
- 评估MiQC对WSI审查效率和吞吐量的影响.
主要方法:
- MiQC结合了局部二进制模式 (LBP) 和深度学习 (DeepFocus) 算法.
- 在基于扫描仪的焦点评估后,MiQC对WSIs进行选.
- 热图被生成,以突出技术人员审查的焦点外区域.
主要成果:
- 即使在具有高扫描器焦点得分 (98-99%) 的WSIs中,MiQC也可以识别不可接受的模糊.
- 在没有进一步的手动干预的情况下,85-95%的WSIs得到了批准.
- 技术人员审查时间减少了近50%,与手动审查相比,吞吐量翻了一番.
结论:
- 在毒理病理学中,MiQC提高了WSI质量控制效率和可重复性.
- 该系统加速创建高质量的WSI存储库.
- MiQC为自动图像分析和下游计算病理学提供了一个可扩展的框架.
