通过显式伪影增强提高全切片图像的质量控制
计算机视觉与模式识别
2024-10-17 v1 人工智能
计算工程、金融与科学
摘要
全切片图像采集中的伪影问题在临床工作流程和研究导向环境中普遍存在，需要人工干预和重新扫描。克服这一挑战需要开发质量控制算法，而组织病理学中相关标注数据的有限可用性阻碍了这一点。为伪影检测方法手动标注真值既昂贵又耗时。本文通过提出一种专门用于为全切片图像增强伪影的方法来解决此问题。该工具可以无缝地从外部库生成伪影并将其混合到给定的组织病理学数据集中。然后，增强后的数据集被用于训练伪影分类方法。评估显示了它们在伪影分类中的有效性，根据伪影类型，AUROC提高了0.10到0.01。框架、模型、权重和真值标注均已免费发布，以促进开放科学和可重复研究。
引用
@article{arxiv.2406.11538,
title = {Improving Quality Control of Whole Slide Images by Explicit Artifact Augmentation},
author = {Artur Jurgas and Marek Wodzinski and Marina D'Amato and Jeroen van der Laak and Manfredo Atzori and Henning Müller},
journal= {arXiv preprint arXiv:2406.11538},
year = {2024}
}