論文の概要: OpenHI2 -- Open source histopathological image platform
- arxiv url: http://arxiv.org/abs/2001.05158v1
- Date: Wed, 15 Jan 2020 07:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 07:18:20.616497
- Title: OpenHI2 -- Open source histopathological image platform
- Title(参考訳): OpenHI2 -- オープンソースの病理画像プラットフォーム
- Authors: Pargorn Puttapirat, Haichuan Zhang, Jingyi Deng, Yuxin Dong, Jiangbo
Shi, Hongyu He, Zeyu Gao, Chunbao Wang, Xiangrong Zhang, Chen Li
- Abstract要約: 病理診断は多くの外部因子に敏感である。
病理学における厳格な要件を満たすことのできるシステムだけが、病理学のルーチンに沿って走ることができる。
- 参考スコア(独自算出の注目度): 5.139795027579552
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Transition from conventional to digital pathology requires a new category of
biomedical informatic infrastructure which could facilitate delicate
pathological routine. Pathological diagnoses are sensitive to many external
factors and is known to be subjective. Only systems that can meet strict
requirements in pathology would be able to run along pathological routines and
eventually digitized the study area, and the developed platform should comply
with existing pathological routines and international standards. Currently,
there are a number of available software tools which can perform
histopathological tasks including virtual slide viewing, annotating, and basic
image analysis, however, none of them can serve as a digital platform for
pathology. Here we describe OpenHI2, an enhanced version Open Histopathological
Image platform which is capable of supporting all basic pathological tasks and
file formats; ready to be deployed in medical institutions on a standard server
environment or cloud computing infrastructure. In this paper, we also describe
the development decisions for the platform and propose solutions to overcome
technical challenges so that OpenHI2 could be used as a platform for
histopathological images. Further addition can be made to the platform since
each component is modularized and fully documented. OpenHI2 is free,
open-source, and available at https://gitlab.com/BioAI/OpenHI.
- Abstract(参考訳): 従来の病理学からデジタル病理学への移行は、デリケートな病理学ルーチンを容易にする新しい生物医学的情報学基盤を必要とする。
病理診断は多くの外部因子に敏感であり、主観的であることが知られている。
病理学の厳格な要件を満たすシステムだけが、病理学のルーチンに沿って走り、最終的に研究領域をデジタル化し、開発プラットフォームは既存の病理学のルーチンや国際標準に従うべきである。
現在、仮想スライドの閲覧、注釈付け、基本的な画像解析など、病理学的なタスクを実行できるソフトウェアツールが多数存在するが、いずれも病理学のデジタルプラットフォームとして機能するものではない。
ここでは、OpenHI2について説明する。Open Histopathological Imageプラットフォームは、すべての基本的な病理学的タスクとファイルフォーマットをサポートし、標準サーバー環境またはクラウドコンピューティングインフラ上の医療機関にデプロイされる準備ができている。
本稿では,このプラットフォームの開発決定について述べるとともに,OpenHI2を病理像のプラットフォームとして利用できるように,技術的な課題を克服するための解決策を提案する。
各コンポーネントはモジュール化され、完全にドキュメント化されているため、プラットフォームに追加することができる。
OpenHI2はオープンソースで、https://gitlab.com/BioAI/OpenHIで入手できる。
関連論文リスト
- Knowledge-enhanced Visual-Language Pretraining for Computational Pathology [68.6831438330526]
本稿では,公共資源から収集した大規模画像テキストペアを利用した視覚的表現学習の課題について考察する。
ヒト32組織から病理診断を必要とする4,718の疾患に対して50,470個の情報属性からなる病理知識ツリーをキュレートする。
論文 参考訳(メタデータ) (2024-04-15T17:11:25Z) - OpenMEDLab: An Open-source Platform for Multi-modality Foundation Models
in Medicine [55.29668193415034]
マルチモダリティ基盤モデルのためのオープンソースプラットフォームであるOpenMEDLabについて紹介する。
これは、最前線臨床および生体情報学応用のための大規模言語とビジョンモデルを刺激し、微調整する先駆的な試みの解決策をカプセル化する。
様々な医用画像のモダリティ、臨床テキスト、タンパク質工学など、事前訓練された基礎モデル群へのアクセスが可能である。
論文 参考訳(メタデータ) (2024-02-28T03:51:02Z) - TIAViz: A Browser-based Visualization Tool for Computational Pathology
Models [0.6519788717471032]
TIAToolboxに組み込まれたPythonベースの視覚化ツールであるTIAVizを紹介する。
フレキシブルでインタラクティブで、完全にズーム可能な、幅広い情報をスライド画像全体にオーバーレイすることができる。
論文 参考訳(メタデータ) (2024-02-15T14:54:46Z) - Open and reusable deep learning for pathology with WSInfer and QuPath [2.554961754124123]
WSInferは、病理の深い学習をより合理化し、アクセスしやすくするために設計された、新しいオープンソースのソフトウェアエコシステムです。
2)ユーザフレンドリでインタラクティブなソフトウェアを通じて代替の推論エンジンを提供するQuPath拡張、3)病理モデルとメタデータを標準化された形式で簡単に共有できるモデル動物園である。
論文 参考訳(メタデータ) (2023-09-08T22:47:23Z) - HistoColAi: An Open-Source Web Platform for Collaborative Digital
Histology Image Annotation with AI-Driven Predictive Integration [1.5291251918989404]
デジタル病理は、その多くの利点により、病理ワークフローの標準となっている。
深層学習に基づく画像解析手法の最近の進歩は、デジタル病理学の潜在的助けとなる。
本稿では,デジタル化された組織像を視覚化・注釈するツールを効率的に提供するWebサービスを提案する。
論文 参考訳(メタデータ) (2023-07-11T10:41:09Z) - Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex
models for robot navigation and environment pseudo-mapping [52.77024349608834]
本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。
海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。
これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
論文 参考訳(メタデータ) (2023-05-22T10:20:34Z) - Slideflow: Deep Learning for Digital Histopathology with Real-Time
Whole-Slide Visualization [49.62449457005743]
われわれはSlideflowと呼ばれる病理組織学のための柔軟なディープラーニングライブラリを開発した。
デジタル病理学のための幅広い深層学習手法をサポートしている。
トレーニングされたモデルをデプロイするための、高速な全スライドインターフェースが含まれている。
論文 参考訳(メタデータ) (2023-04-09T02:49:36Z) - PIMIP: An Open Source Platform for Pathology Information Management and
Integration [4.6242686927494026]
デジタル病理学は、医療分野における人工知能の発展において重要な役割を担っている。
デジタル病理セクションの管理と分析を支援するオープンで普遍的なデジタル病理プラットフォームはいまだに存在しない。
PIMIPは,デジタル病理領域の可視化に基づく画像アノテーション機能を開発した。
論文 参考訳(メタデータ) (2021-11-09T10:00:59Z) - Remote Pathological Gait Classification System [3.8098589140053862]
歩行分析は障害を検出し、病気を診断し、患者の回復を評価するのに役立つ。
最も広く公開されている病理歩行データセットは,4つの歩行病理をシミュレートした10の被験者のみを含む。
本論文は,4つの歩行病理を模擬した21の被験者から得られたGAIT-IT(GAIT-IT)と呼ばれる新しいデータセットについて述べる。
論文 参考訳(メタデータ) (2021-05-04T17:21:29Z) - Learning Binary Semantic Embedding for Histology Image Classification
and Retrieval [56.34863511025423]
バイナリ・セマンティック・エンベディング(LBSE)の学習方法を提案する。
効率的な埋め込み、分類、検索を行い、組織像の解釈可能なコンピュータ支援診断を提供する。
3つのベンチマークデータセットで実施された実験は、様々なシナリオにおいてLBSEの優位性を検証する。
論文 参考訳(メタデータ) (2020-10-07T08:36:44Z) - Hierarchical Reinforcement Learning for Automatic Disease Diagnosis [52.111516253474285]
政策学習のための対話システムに2段階の階層的な政策構造を統合することを提案する。
提案した政策構造は,多くの疾患や症状を含む診断問題に対処することができる。
論文 参考訳(メタデータ) (2020-04-29T15:02:41Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。