Fugu-MT 論文翻訳(概要): TIAViz: A Browser-based Visualization Tool for Computational Pathology Models

論文の概要: TIAViz: A Browser-based Visualization Tool for Computational Pathology Models

arxiv url: http://arxiv.org/abs/2402.09990v1
Date: Thu, 15 Feb 2024 14:54:46 GMT
ステータス: 処理完了
システム内更新日: 2024-02-16 15:27:07.961509
Title: TIAViz: A Browser-based Visualization Tool for Computational Pathology Models
Title（参考訳）: TIAViz:コンピュータ病理モデルのためのブラウザベースの可視化ツール
Authors: Mark Eastwood and John Pocock and Mostafa Jahanifar and Adam Shephard and Skiros Habib and Ethar Alzaid and Abdullah Alsalemi and Jan Lukas Robertus and Nasir Rajpoot and Shan Raza and Fayyaz Minhas
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.6519788717471032
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Digital pathology has gained significant traction in modern healthcare systems. This shift from optical microscopes to digital imagery brings with it the potential for improved diagnosis, efficiency, and the integration of AI tools into the pathologists workflow. A critical aspect of this is visualization. Throughout the development of a machine learning (ML) model in digital pathology, it is crucial to have flexible, openly available tools to visualize models, from their outputs and predictions to the underlying annotations and images used to train or test a model. We introduce TIAViz, a Python-based visualization tool built into TIAToolbox which allows flexible, interactive, fully zoomable overlay of a wide variety of information onto whole slide images, including graphs, heatmaps, segmentations, annotations and other WSIs. The UI is browser-based, allowing use either locally, on a remote machine, or on a server to provide publicly available demos. This tool is open source and is made available at: https://github.com/TissueImageAnalytics/tiatoolbox and via pip installation (pip install tiatoolbox) and conda as part of TIAToolbox.
Abstract（参考訳）: デジタル病理学は現代の医療システムで大きな注目を集めている。光学顕微鏡からデジタル画像へのこのシフトは、診断、効率性、およびaiツールを病理学者のワークフローに統合する可能性をもたらす。この重要な側面は可視化である。デジタル病理学における機械学習(ml)モデルの開発を通じて、モデルのアウトプットや予測からモデルのトレーニングやテストに使用される基盤となるアノテーションやイメージまで、柔軟でオープンに利用可能なモデルを視覚化するツールを持つことが重要です。 tiatoolboxに組み込まれたpythonベースの可視化ツールであるtiavizを紹介する。グラフ、ヒートマップ、セグメンテーション、アノテーション、その他のwsisを含む、スライドイメージ全体にさまざまな情報を柔軟でインタラクティブでズーム可能なオーバーレイを可能にする。 UIはブラウザベースで、ローカルでもリモートマシンでも、あるいはサーバ上でも、公開デモを提供することができる。 https://github.com/TissueImageAnalytics/tiatoolbox と pip インストール (pip install tiatoolbox) と conda は TIAToolbox の一部として提供されている。

関連論文リスト

VLMEvalKit: An Open-Source Toolkit for Evaluating Large Multi-Modality Models [89.63342806812413]
PyTorchに基づく大規模マルチモーダリティモデルを評価するためのオープンソースツールキットを提案する。 VLMEvalKitは70以上の大規模なマルチモダリティモデルを実装しており、プロプライエタリなAPIとオープンソースモデルの両方を含んでいる。マルチモーダル学習研究の進展を追跡するために,OpenVLM Leaderboardを主催する。
論文参考訳（メタデータ） (2024-07-16T13:06:15Z)
InternVL: Scaling up Vision Foundation Models and Aligning for Generic Visual-Linguistic Tasks [92.03764152132315]
我々は、視覚基盤モデルを60億のパラメータにスケールアップする大規模視覚言語基盤モデル(InternVL)を設計する。このモデルは、32の汎用視覚言語ベンチマークにおいて、最先端のパフォーマンスを広く適用し、達成することができる。強力な視覚能力を備え、ViT-22Bの代替となる。
論文参考訳（メタデータ） (2023-12-21T18:59:31Z)
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)
PiML Toolbox for Interpretable Machine Learning Model Development and Diagnostics [10.635578367440162]
PiMLは、機械学習モデルの開発とモデル診断を解釈可能なPythonツールボックスである。ローコードモードとハイコードモードの両方で、データパイプライン、モデルのトレーニングとチューニング、モデルの解釈と説明を含む機械学習で設計されている。
論文参考訳（メタデータ） (2023-05-07T08:19:07Z)
DINOv2: Learning Robust Visual Features without Supervision [75.42921276202522]
この研究は、既存の事前学習手法、特に自己教師付き手法が、多様なソースから十分なキュレートされたデータで訓練すれば、そのような特徴を生み出すことができることを示している。技術的な貢献の多くは、大規模なトレーニングを加速し、安定化することを目的としています。データの観点からは、自己組織化されていないデータではなく、専用で多様でキュレートされた画像データセットを構築するための自動パイプラインを提案する。
論文参考訳（メタデータ） (2023-04-14T15:12:19Z)
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)
Interactive Visual Feature Search [8.255656003475268]
視覚特徴探索(Visual Feature Search)は,任意のCNNに適応可能な,インタラクティブな可視化技術である。このツールを使うと、ユーザーは画像領域をハイライトし、最もよく似たモデル機能を持つデータセットから画像を検索できる。我々は,医療画像や野生生物の分類など,様々な応用実験を行うことで,モデル行動の異なる側面を解明する方法を実証する。
論文参考訳（メタデータ） (2022-11-28T04:39:03Z)
Interactive Segmentation and Visualization for Tiny Objects in Multi-megapixel Images [5.09193568605539]
大規模マルチメガピクセルの高域画像における微小物体の識別・検査・編集を行う対話型画像分割・可視化フレームワークを提案する。我々は、推論モデル、HDR画像可視化、セグメンテーションマスク検査、編集を単一のグラフィカルユーザインタフェースに統合するインタラクティブツールキットを開発した。我々のインターフェースは、マウス制御、同期、デュアルウィンドウによる画像の可視化とセグメンテーションマスクを備えており、マルチメガピクセル画像中の小さな物体を探索するための重要な特徴である。
論文参考訳（メタデータ） (2022-04-21T18:26:48Z)
Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。 NetworKitを使ってクラウドベースの環境を構築しています。このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文参考訳（メタデータ） (2022-03-02T17:41:45Z)
Design of a Graphical User Interface for Few-Shot Machine Learning Classification of Electron Microscopy Data [0.23453441553817042]
我々は,Python ベースのグラフィカルユーザインタフェースを開発し,エンドユーザが数発の学習モデルのアウトプットを容易に実行し,視覚化できるようにする。このインターフェースは軽量で,ローカルあるいはWeb上でホストすることができる。
論文参考訳（メタデータ） (2021-07-21T23:02:33Z)
TorchIO: A Python library for efficient loading, preprocessing, augmentation and patch-based sampling of medical images in deep learning [68.8204255655161]
我々はTorchIOというオープンソースのPythonライブラリを紹介し、ディープラーニングのための医療画像の効率的なロード、前処理、拡張、パッチベースのサンプリングを可能にする。 TorchIOはPyTorchのスタイルに従い、標準的な医用画像処理ライブラリを統合して、ニューラルネットワークのトレーニング中に画像を効率的に処理する。 Pythonを使わずに、画像ファイルに変換を適用できるコマンドライン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） (2020-03-09T13:36:16Z)

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。