CountPath：自动化数字病理学中的碎片计数
计算机视觉与模式识别
2025-03-14 v1 人工智能
机器学习
摘要
医学图像质量控制是数字病理学的关键环节，确保诊断图像符合规定标准。在此过程中，一个前处理任务是验证标本碎片的数量，该过程确保滑片上的碎片数量与宏观报告中记录的数量相匹配。这一步骤重要在于确保滑片包含来自 grossing process 的适当诊断材料，从而保证后续显微检查和诊断的准确性。传统上，这一评估通过人工完成，需耗费大量时间和精力，且因其主观性质而存在显著变异性。为应对这些挑战，本研究探索了使用 YOLOv9 和 Vision Transformer 模型进行碎片计数的自动化方法。我们的结果表明，自动化系统达到的性能水平相当于专家评估，为人工计数提供了可靠且高效的替代方案。此外，我们呈现了观察者间变异性的发现，表明自动化方法达到了 86% 的准确率，这在专家之间观察到的变异范围内（82%-88%），进一步支持其在常规病理工作流程中集成的潜力。
引用
@article{arxiv.2503.10520,
title = {CountPath: Automating Fragment Counting in Digital Pathology},
author = {Ana Beatriz Vieira and Maria Valente and Diana Montezuma and Tomé Albuquerque and Liliana Ribeiro and Domingos Oliveira and João Monteiro and Sofia Gonçalves and Isabel M. Pinto and Jaime S. Cardoso and Arlindo L. Oliveira},
journal= {arXiv preprint arXiv:2503.10520},
year = {2025}
}
备注
10 pages, 3 figures