EasierPath:用于肾脏病理学人在环深度学习的开源工具

作者: | Zheyu Zhu | Yuzhe Lu | Ruining Deng | Haichun Yang | Agnes B. Fogo | Yuankai Huo |

摘要:在过去的几年里,肾脏病中出现了大量的形态学表型研究,旨在发现临床表型和影像学表型之间的隐藏规律。这种研究在很大程度上通过基于深度学习的图像分析来提取高分辨率整个幻灯片图像(WSI)上的稀疏位置的目标对象(例如,肾小球)。然而,这样的方法需要使用劳动密集型的高质量注释进行训练,最好是由病理学家标记。受最近的“人在环路”策略的启发,我们开发了EasierPath,这是一个开源工具,将人类医生和深度学习算法整合在一起,作为一个环路进行高效的大规模病理图像量化。使用EasierPath,医生能够(1)自适应地优化深度学习对象检测结果的查全率和精确度,(2)使用我们的EasierPath或流行的ImageScope软件无缝支持深度学习结果优化,而无需改变医生的用户习惯,(3)使用用户定义的类别管理每个对象并对其进行表现化。作为EasierPath的一个用户案例,我们展示了以高效的人在循环方式(具有两个循环)来管理大型肾小球的过程。通过实验,EasierPath在第二个循环期间节省了57%的注释工作来管理8833个肾小球。同时,肾小球检测的平均精度从0.504提高到0.620。EasierPath软件已经以开源的形式发布,以支持大规模的肾小球原型制作。代码可以在https://github.com/yuankaihuo/EasierPath中找到

论文地址

https://arxiv.org/abs/2007.13952v1

下载地址

https://arxiv.org/pdf/2007.13952v1.pdf

全部源码

https://github.com/yuankaihuo/EasierPath

整体幻灯片图像的目标检测

相关推荐

暂无评论

微信扫一扫,分享到朋友圈

EasierPath:用于肾脏病理学人在环深度学习的开源工具