SWAN：通过滑动界面实现快速移动的病理图像标注
计算机视觉与模式识别
2025-11-13 v1 软件工程
摘要
大规模组织病理学图像数据集的标注仍然是开发用于临床相关任务（如核分裂象分类）的鲁棒深度学习模型的主要瓶颈。基于文件夹的标注流程通常速度慢、易疲劳且难以扩展。为应对这些挑战，我们推出了 SWipeable ANnotations (SWAN)，一款开源的、基于 MIT 许可的网络应用程序，它通过滑动手势实现直观的图像块分类。SWAN 支持桌面和移动平台，提供实时元数据捕获，并允许将滑动手势灵活映射到类别标签。在一项由四名病理学家对 600 个核分裂象图像块进行标注的试点研究中，我们将 SWAN 与传统的文件夹分类流程进行了比较。SWAN 实现了快速标注，成对百分比一致性介于 86.52% 至 93.68% 之间（Cohen's Kappa = 0.61-0.80），而在非典型与正常核分裂象分类任务中，基于文件夹方法的成对百分比一致性介于 86.98% 至 91.32% 之间（Cohen's Kappa = 0.63-0.75），这表明标注者之间具有高度一致性且性能相当。参与者评价该工具具有高度可用性，并赞赏其能够在移动设备上进行标注的能力。这些结果表明，SWAN 能够在保持标注质量的同时加速图像标注，为传统流程提供了一种可扩展且用户友好的替代方案。
引用
@article{arxiv.2511.08271,
title = {SWAN -- Enabling Fast and Mobile Histopathology Image Annotation through Swipeable Interfaces},
author = {Sweta Banerjee and Timo Gosch and Sara Hester and Viktoria Weiss and Thomas Conrad and Taryn A. Donovan and Nils Porsche and Jonas Ammeling and Christoph Stroblberger and Robert Klopfleisch and Christopher Kaltenecker and Christof A. Bertram and Katharina Breininger and Marc Aubreville},
journal= {arXiv preprint arXiv:2511.08271},
year = {2025}
}