論文の概要: OnSight Pathology: A real-time platform-agnostic computational pathology companion for histopathology
- arxiv url: http://arxiv.org/abs/2512.04187v1
- Date: Wed, 03 Dec 2025 19:02:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-05 21:11:45.830174
- Title: OnSight Pathology: A real-time platform-agnostic computational pathology companion for histopathology
- Title（参考訳）: OnSight Pathology: リアルタイムなプラットフォームに依存しない病理組織診断支援システム
- Authors: Jinzhen Hu, Kevin Faust, Parsa Babaei Zadeh, Adrienn Bourkas, Shane Eaton, Andrew Young, Anzar Alvi, Dimitrios George Oreopoulos, Ameesha Paliwal, Assem Saleh Alrumeh, Evelyn Rose Kamski-Hennekam, Phedias Diamandis,
- Abstract要約: OnSight Pathologyは、連続的なカスタムスクリーンキャプチャーを利用する、プラットフォームに依存しないコンピュータビジョンソフトウェアである。
OnSight Pathologyは、複雑なソフトウェアを統合することなく、コンシューマグレードのパーソナルコンピュータ上でローカルに動作する。
OnSight Pathologyが、幅広い病理パイプラインにわたってリアルタイムAI推論を実現する方法を示す。
- 参考スコア（独自算出の注目度）: 0.1866854739883167
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The microscopic examination of surgical tissue remains a cornerstone of disease classification but relies on subjective interpretations and access to highly specialized experts, which can compromise accuracy and clinical care. While emerging breakthroughs in artificial intelligence (AI) offer promise for automated histological analysis, the growing number of proprietary digital pathology solutions has created barriers to real-world deployment. To address these challenges, we introduce OnSight Pathology, a platform-agnostic computer vision software that uses continuous custom screen captures to provide real-time AI inferences to users as they review digital slide images. Accessible as a single, self-contained executable file (https://onsightpathology.github.io/ ), OnSight Pathology operates locally on consumer-grade personal computers without complex software integration, enabling cost-effective and secure deployment in research and clinical workflows. Here we demonstrate the utility of OnSight Pathology using over 2,500 publicly available whole slide images across different slide viewers, as well as cases from our clinical digital pathology setup. The software's robustness is highlighted across routine histopathological tasks, including the classification of common brain tumor types, mitosis detection, and the quantification of immunohistochemical stains. A built-in multi-modal chat assistant provides verifiable descriptions of images, free of rigid class labels, for added quality control. Lastly, we show compatibility with live microscope camera feeds, including from personal smartphones, offering potential for deployment in more analog, inter-operative, and telepathology settings. Together, we highlight how OnSight Pathology can deliver real-time AI inferences across a broad range of pathology pipelines, removing key barriers to the adoption of AI tools in histopathology.
- Abstract（参考訳）: 外科組織の顕微鏡検査は、疾患分類の基礎として残っているが、主観的な解釈と高度に専門的な専門家へのアクセスに依存しており、精度と臨床医療を損なう可能性がある。
人工知能(AI)における新たなブレークスルーは、自動組織分析の約束を提供する一方で、プロプライエタリなデジタル病理ソリューションの増加は、現実のデプロイメントに対する障壁を生み出している。
これらの課題に対処するために、私たちはOnSight Pathologyを紹介した。OnSight Pathologyはプラットフォームに依存しないコンピュータビジョンソフトウェアで、連続的なカスタムスクリーンキャプチャを使用して、デジタルスライドイメージをレビューする際に、ユーザにリアルタイムなAI推論を提供する。
OnSight Pathologyは、複雑なソフトウェアを統合することなく、コンシューマグレードのパーソナルコンピュータ上でローカルに動作し、研究および臨床ワークフローにおけるコスト効率と安全なデプロイメントを可能にする。
ここでは、スライドビューアをまたいだ2500以上の公開スライド画像と、臨床デジタル診断装置による症例を用いて、OnSight Pathologyの有用性を実証する。
このソフトウェアの堅牢性は、一般的な脳腫瘍の分類、ミトーシスの検出、免疫組織化学的染色の定量化など、定期的な病理組織学的なタスクで強調されている。
内蔵のマルチモーダルチャットアシスタントは、画像の検証可能な記述を提供する。
最後に、パーソナルスマートフォンを含むライブ顕微鏡カメラフィードとの互換性を示し、よりアナログ、相互運用、テレパノロジーの設定に展開する可能性がある。
同時に、OnSight Pathologyが、幅広い病理パイプラインにわたってリアルタイムのAI推論を実現し、病理学におけるAIツールの採用に対する重要な障壁を取り除く方法について強調する。
関連論文リスト
- Evidence-based diagnostic reasoning with multi-agent copilot for human pathology [7.976907866539546]
現在の計算病理学におけるMLLM(Multimodal Large Language Model)は限界に直面している。
そこで我々は,ヒトの病理に特化して設計された新しいMLLMであるPathChat+を紹介した。
また、PathChat+を利用した推論可能なマルチエージェントAIシステムであるSlideSeekを紹介し、ギガピクセル全体の画像を自律的に評価する。
論文 参考訳（メタデータ） (2025-06-26T03:02:16Z) - Beyond the Monitor: Mixed Reality Visualization and AI for Enhanced Digital Pathology Workflow [0.0]
病理学者は、がんなどの疾患を診断するために、ギガピクセル全体の画像(WSI)を頼りにしている。
現在のデジタル診断ツールは診断を妨げている。
PathVisはApple Vision Pro用の複合現実可視化プラットフォームである。
論文 参考訳（メタデータ） (2025-05-05T16:46:53Z) - 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) - Multiplex Imaging Analysis in Pathology: a Comprehensive Review on Analytical Approaches and Digital Toolkits [0.7968706282619793]
マルチ多重イメージングは、複数のバイオマーカーを1つのセクションで同時に視覚化することを可能にする。
多重画像からのデータは、前処理、セグメンテーション、特徴抽出、空間解析のための洗練された計算方法を必要とする。
PathMLは、画像分析を効率化するAIベースのプラットフォームで、臨床および研究環境では複雑な解釈がアクセス可能である。
論文 参考訳（メタデータ） (2024-11-01T18:02:41Z) - CathFlow: Self-Supervised Segmentation of Catheters in Interventional Ultrasound Using Optical Flow and Transformers [66.15847237150909]
縦型超音波画像におけるカテーテルのセグメンテーションのための自己教師型ディープラーニングアーキテクチャを提案する。
ネットワークアーキテクチャは、Attention in Attentionメカニズムで構築されたセグメンテーショントランスフォーマであるAiAReSeg上に構築されている。
我々は,シリコンオルタファントムから収集した合成データと画像からなる実験データセット上で,我々のモデルを検証した。
論文 参考訳（メタデータ） (2024-03-21T15:13:36Z) - Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。
本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
論文 参考訳（メタデータ） (2023-07-30T16:08:45Z) - 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) - Robotic Navigation Autonomy for Subretinal Injection via Intelligent
Real-Time Virtual iOCT Volume Slicing [88.99939660183881]
網膜下注射のための自律型ロボットナビゲーションの枠組みを提案する。
提案手法は,機器のポーズ推定方法,ロボットとi OCTシステム間のオンライン登録,およびインジェクションターゲットへのナビゲーションに適した軌道計画から構成される。
ブタ前眼の精度と再現性について実験を行った。
論文 参考訳（メタデータ） (2023-01-17T21:41:21Z) - Towards the Use of Saliency Maps for Explaining Low-Quality Electrocardiograms to End Users [51.644376281196394]
診断に医用画像を使用する場合,画像が高品質であることが重要である。
遠隔医療において一般的な問題は、患者が診療所を退院した後にのみ、品質問題が警告されることである。
本稿では,低品質な医用画像をリアルタイムにフラグ付け,説明するためのAIシステムの開発について報告する。
論文 参考訳（メタデータ） (2022-07-06T14:53:26Z) - Deepfake histological images for enhancing digital pathology [0.40631409309544836]
我々は,クラスラベルに制約された病理像を合成する生成逆ネットワークモデルを開発した。
前立腺および大腸組織像の合成におけるこの枠組みの有用性について検討した。
大腸生検によるより複雑な画像へのアプローチを拡張し,そのような組織における複雑な微小環境も再現可能であることを示す。
論文 参考訳（メタデータ） (2022-06-16T17:11:08Z)
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。