HistoCartography：数字病理学中图分析工具包
图像与视频处理
2021-07-22 v1 计算机视觉与模式识别
摘要
基于实体图的组织病理学图像分析进展带来了描述组织构成并学习组织结构与功能关系的新范式。实体图提供了灵活且可扩展的表示来刻画组织构造，同时允许融入先验病理知识以进一步支持模型的可解释性与可说明性。然而，实体图分析需要对图像到图的转换以及应用于图结构数据的最先进机器学习算法的了解，这可能阻碍其应用。本工作中，我们旨在通过开发 HistoCartography 来缓解这些问题，这是一个标准化的 Python API，包含必要的预处理、机器学习和可解释性工具，以促进计算病理学中的图分析。此外，我们在不同成像类型和组学病理学任务上的多个数据集上基准测试了计算时间与性能，以凸显该 API 用于构建计算病理学工作流的适用性。
引用
@article{arxiv.2107.10073,
title = {HistoCartography: A Toolkit for Graph Analytics in Digital Pathology},
author = {Guillaume Jaume and Pushpak Pati and Valentin Anklin and Antonio Foncubierta and Maria Gabrani},
journal= {arXiv preprint arXiv:2107.10073},
year = {2021}
}