DeepLIIF：用于临床病理切片定量的在线平台
计算机视觉与模式识别
2022-04-12 v1
摘要
在临床上，切除的组织样本经苏木精-伊红（H&E）和/或免疫组化（IHC）染色后，以玻璃切片或数字扫描形式呈现给病理学家，用于诊断与疾病进展评估。细胞级定量（例如 IHC 蛋白表达评分）可能极为低效且主观。我们提出 DeepLIIF（https://deepliif.org），首个用于高效且可复现 IHC 评分的免费在线平台。DeepLIIF 通过以信息更丰富的多重免疫荧光染色对临床 IHC 切片进行虚拟复染，优于当前依赖易出错人工标注的最优方法。我们的 DeepLIIF 云原生平台支持：（1）通过 Bio-Formats 标准兼容 150 余种专有/非专有输入格式；（2）交互式调整、可视化及下载 IHC 定量结果与 accompanying 复染图像；（3）以编程方式或通过面向开源全切片图像查看器（如 QuPath/ImageJ）的交互式插件调用所暴露的工作流 API；（4）基于用户需求自动伸缩以高效调配 GPU 资源。
引用
@article{arxiv.2204.04494,
title = {DeepLIIF: An Online Platform for Quantification of Clinical Pathology Slides},
author = {Parmida Ghahremani and Joseph Marino and Ricardo Dodds and Saad Nadeem},
journal= {arXiv preprint arXiv:2204.04494},
year = {2022}
}
备注
CVPR 2022. First three authors contributed equally. Demo paper accompanying DeepLIIF Nature Machine Intelligence paper (https://www.nature.com/articles/s42256-022-00471-x)