論文の概要: PySlyde: A Lightweight, Open-Source Toolkit for Pathology Preprocessing

• arxiv url: http://arxiv.org/abs/2511.05183v1
• Date: Fri, 07 Nov 2025 12:03:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.753943
• Title: PySlyde: A Lightweight, Open-Source Toolkit for Pathology Preprocessing
• Title（参考訳）: PySlyde: 病理前処理のための軽量オープンソースツールキット
• Authors: Gregory Verghese, Anthony Baptista, Chima Eke, Holly Rafique, Mengyuan Li, Fathima Mohamed, Ananya Bhalla, Lucy Ryan, Michael Pitcher, Enrico Parisini, Concetta Piazzese, Liz Ing-Simmons, Anita Grigoriadis,
• Abstract要約: PySlyde は OpenSlide 上に構築された Python ツールキットで,WSI 事前処理の簡略化と標準化を行っている。 PySlydeはスライドローディング、アノテーション管理、組織検出、タイリング、機能抽出のための直感的なAPIを提供する。
• 参考スコア（独自算出の注目度）: 4.123549850988336
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of artificial intelligence (AI) into pathology is advancing precision medicine by improving diagnosis, treatment planning, and patient outcomes. Digitised whole-slide images (WSIs) capture rich spatial and morphological information vital for understanding disease biology, yet their gigapixel scale and variability pose major challenges for standardisation and analysis. Robust preprocessing, covering tissue detection, tessellation, stain normalisation, and annotation parsing is critical but often limited by fragmented and inconsistent workflows. We present PySlyde, a lightweight, open-source Python toolkit built on OpenSlide to simplify and standardise WSI preprocessing. PySlyde provides an intuitive API for slide loading, annotation management, tissue detection, tiling, and feature extraction, compatible with modern pathology foundation models. By unifying these processes, it streamlines WSI preprocessing, enhances reproducibility, and accelerates the generation of AI-ready datasets, enabling researchers to focus on model development and downstream analysis.
• Abstract（参考訳）: 人工知能(AI)の病態への統合は、診断、治療計画、患者の成果を改善することによって、精度の高い医療を進歩させている。 ディジタイズされた全スライディング画像(WSI)は、病気の生物学を理解する上で不可欠な、豊富な空間的および形態的情報をキャプチャするが、そのギガピクセルのスケールと可変性は、標準化と分析に大きな課題をもたらす。 ロバスト前処理、組織検出、テッセル化、染色正規化、アノテーション解析は重要であるが、断片的で一貫性のないワークフローによって制限されることが多い。 We present PySlyde, a lightweight, open-source Python Toolkit built on OpenSlide to simple and standardize WSI preprocessing。 PySlydeは、スライドローディング、アノテーション管理、組織検出、タイリング、機能抽出のための直感的なAPIを提供する。 これらのプロセスを統一することにより、WSI前処理を合理化し、再現性を高め、AI対応データセットの生成を加速し、研究者はモデル開発とダウンストリーム分析に集中することができる。

関連論文リスト

• PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
  そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。 本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。 本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
  論文  参考訳（メタデータ） (2025-04-09T14:58:21Z)
• Retuve: Automated Multi-Modality Analysis of Hip Dysplasia with Open Source AI [35.088124182314075]
  ヒップ(DDH)の発達は、時間的介入を妨げる重要な診断上の課題を生じさせる。 これらの制約に対処するため、マルチモーダルDDH分析のためのオープンソースのフレームワークであるRetuveを紹介した。 Retuveはオープンソースの原則に固執することにより、DDH研究における透明性、コラボレーション、アクセシビリティを促進する。
  論文  参考訳（メタデータ） (2025-04-08T20:41:21Z)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• A deep learning framework for efficient pathology image analysis [0.0]
  本稿では,情報領域を選択的に解析することで病理学者をエミュレートするフレームワークであるEagleを紹介する。 スライドを2.27秒で処理し、既存のモデルと比較して計算時間を99%以上削減する。 堅牢で解釈可能なアウトプットを提供し、高速なスライド検索、マルチオミクスパイプラインへの統合、新たな臨床基盤モデルをサポートする。
  論文  参考訳（メタデータ） (2025-02-18T16:45:01Z)
• PySpatial: A High-Speed Whole Slide Image Pathomics Toolkit [5.52658544303762]
  本稿では,WSIレベル解析のための高速パノミクスツールキットであるPySpatialを提案する。 PySpatialは、関心のある計算領域を直接操作することで、従来のパイプラインを合理化する。 血管周囲上皮細胞(PEC)とKidney Precision Medicine Project(KPMP)のデータによる2つのデータセットの実験により,大幅なパフォーマンス向上が得られた。
  論文  参考訳（メタデータ） (2025-01-10T18:24:00Z)
• Open-Set Deepfake Detection: A Parameter-Efficient Adaptation Method with Forgery Style Mixture [81.93945602120453]
  本稿では,顔偽造検出に汎用的かつパラメータ効率の高い手法を提案する。 フォージェリー・ソース・ドメインの多様性を増大させるフォージェリー・ミックス・フォーミュレーションを設計する。 設計したモデルは、トレーニング可能なパラメータを著しく減らし、最先端の一般化性を実現する。
  論文  参考訳（メタデータ） (2024-08-23T01:53:36Z)
• Long-MIL: Scaling Long Contextual Multiple Instance Learning for Histopathology Whole Slide Image Analysis [9.912061800841267]
  病理組織の全スライド画像(WSI)を解析に用いる。 以前の方法は一般的にWSIを多数のパッチに分割し、WSI内のすべてのパッチを集約してスライドレベルの予測を行う。 本稿では,線形バイアスを注意に導入することにより,形状の異なる長文WSIの位置埋め込みを改善することを提案する。
  論文  参考訳（メタデータ） (2023-11-21T03:08:47Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)

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。