计算病理学中可复用的标本级推理
图像与视频处理
2025-01-13 v1 计算机视觉与模式识别
组织与器官
摘要
计算病理学的基础模型在标本级任务中显示出巨大潜力，并且越来越容易被研究人员获取。然而，基于这些基础模型构建的标本级模型仍然大多不可用，阻碍了其更广泛的实用性和影响力。为填补这一空白，我们开发了SpinPath，一个旨在通过提供预训练标本级模型库、基于Python的推理引擎和基于JavaScript的推理平台来普及标本级深度学习的工具包。我们在九个基础模型上展示了SpinPath在转移检测任务中的实用性。SpinPath可能促进可重复性、简化实验，并加速标本级深度学习在计算病理学研究中的采用。
引用
@article{arxiv.2501.05945,
title = {Reusable specimen-level inference in computational pathology},
author = {Jakub R. Kaczmarzyk and Rishul Sharma and Peter K. Koo and Joel H. Saltz},
journal= {arXiv preprint arXiv:2501.05945},
year = {2025}
}