Quick Annotator：一种基于数字病理学的开源快速图像标注工具
图像与视频处理
2021-01-07 v1
摘要
基于图像的生物标志物发现通常需要在数字病理全切片图像（WSI）中对组织学结构（如细胞核、小管、上皮区域）进行精确分割。遗憾的是，即便在中等规模的队列中，标注每个感兴趣结构也极为费力且往往难以完成。在此，我们提出一款开源工具 Quick Annotator（QA），旨在将组织学结构的标注效率提升数个数量级。当用户通过直观的网页界面标注感兴趣区域（ROI）时，一个深度学习（DL）模型同时使用这些标注进行优化并应用于该 ROI。用户迭代地审查 DL 结果，以（a）接受准确标注的区域，或（b）修正错误分割的结构以改进后续的模型建议，然后再切换到其他 ROI。我们通过三个用例展示了 QA 相对于可比人工标注工作的有效性。这些用例包括标注（a）5 张胰腺 WSI 中的 337,386 个细胞核，（b）10 张结直肠 WSI 中的 5,692 个小管，以及（c）10 张乳腺 WSI 中的 14,187 个上皮区域。在保持 f-score > 0.95 的同时，分别观察到每秒标注数 102 倍、9 倍和 39 倍的效率提升，表明 QA 可能是高效完整标注下游生物标志物研究中所用 WSI 的有价值工具。
引用
@article{arxiv.2101.02183,
title = {Quick Annotator: an open-source digital pathology based rapid image annotation tool},
author = {Runtian Miao and Robert Toth and Yu Zhou and Anant Madabhushi and Andrew Janowczyk},
journal= {arXiv preprint arXiv:2101.02183},
year = {2021}
}
备注
The submission includes 14 pages, 7 figures, 2 tables,and 21 references. It is a new submission