Nov, 2019

Yottixel -- 用于大量组织病理学切片图像的图像搜索引擎

HTML
PDF
TL;DR本文提出了一种数字病理学搜索引擎 Yottixel，它能够以紧凑的方式代表全切片图像，并使用“条形码组合”（BoB）的算法进行智能编码以实现在大型档案中快速准确地搜索病例。测试结果表明，Yottixel 可以精确地检索器官和恶性肿瘤，并显示其语义排序与人类观察者的主观评估具有很好的一致性。
发现论文，激发创造
  • 组织病理学相似图像搜索：SMILY

    本文介绍了基于深度学习的反向图像搜索工具SMILY，可以在组织病理学图像数据库中提高搜索效率，且能够正确检索具有类似组织学特征，器官位点和前列腺癌Gleason评分的搜索结果。

    Jan, 2019

  • 利用人工智能搜索归档的组织病理学图像进行全癌种诊断共识

    本研究证实数字病理学结合人工智能可以用于疾病诊断以及提高诊断准确率并通过相似案例的可视化检查和计算机多数表决来帮助病理医生。在该研究中，通过搜索最大的公共存储库之一，本文显示出当足够的可搜索案例数量可用于每种癌症亚型时，计算机一致性似乎可以用于诊断。

    Nov, 2019

  • 组织病理学切片索引与搜索：已到达目的地吗？

    本文通过调查三款最先进的组织病理学幻灯片搜索引擎，对三种实体肿瘤患者的搜索和提取进行了临床评估，发现当前搜索引擎在识别病理学上仍存在困难，因此提出了一些最小化的要求，旨在进一步促进准确和可靠的医学组织病理学图像搜索引擎的发展。

    Jun, 2023

  • 组织病理学图像搜索引擎的分析和验证

    在组织学和组织病理学影像档案中搜寻相似影像是一项关键任务，可用于患者匹配，从分类、诊断到预后和预测的各个方面。本文详细分析和验证了四种搜索方法（包括视觉词袋、Yottixel、SISH和RetCCL），其算法和结构进行了评估，同时提出需要进一步研究组织病理学图像搜索中准确性和最小存储需求这两个方面的问题。

    Jan, 2024

  • 关于组织病理学图像搜索

    通过相似性计算，利用病理组织学的病理图像可以在研究和临床环境中进行病人之间的匹配，最近的搜索技术进展为细胞结构的定量化提供了可能，可实现不同组织类型的比较，从而对诊断、预后和新患者的预测提供推论，本文综述了用于计算病理学研究中高效、快速和有效的图像搜索方法的最新发展。

    Jan, 2024

  • PathAlign: 一种适用于组织病理学全切片图像的视觉-语言模型

    基于 BLIP-2 框架，使用病理报告中的精选文本与整张切片图像配对，开发了一种视觉语言模型，实现了共享的图像-文本嵌入空间，如文本或图像检索以寻找感兴趣的案例，以及将 WSI 编码器与冻结的大型语言模型（LLM）集成，以实现基于 WSI 的生成文本能力，如报告生成或 AI 交互。在超过 35 万张 WSI 和诊断文本配对的去标识化数据集上，展示了病理医师对文本生成和文本检索的评估，以及 WSI 分类和工作流程优先级排序（切片级别的分流）。平均来说，根据病理医师的评估，78％的 WSI 的模型生成的文本准确无误、没有临床上显著的错误或遗漏。这项工作展示了语言与 WSI 嵌入相结合的激动人心的潜力能力。

    Jun, 2024

  • 基于文本的定量和可解释的组织病理图像分析

    通过将图像与文本进行对齐，利用预先训练的视觉语言模型对组织病理图像进行定量分析，并生成可理解的特征嵌入。通过应用于聚类和分类任务，证明了TQx能够与计算病理学中广泛使用的视觉模型相媲美地量化和分析病理图像。

    Jul, 2024

  • 基于基础模型嵌入的病理学全幻灯片图像零样本检索

    本文解决了病理图像检索中的零样本问题，通过测试最新的基础模型进行全幻灯片图像检索。关键发现表明，尽管取得了一定的F1评分结果，但整体性能仍较低，显示出该方法在实际应用中的局限性，为未来的改进提供了重要参考。

    Sep, 2024

  • 数字病理中基于集合的单向量全幻灯片图像表示技术的简要调查

    本研究针对数字病理领域中全幻灯片图像（WSI）的表示问题，指出当前以“补丁”为导向的方法限制了对整个切片的全面分析。论文介绍了一种基于集合的单向量表示方法，能够更高效地利用此类复杂图像，从而提高计算效率并降低存储需求，对医疗服务的可及性和质量产生积极影响。

    Sep, 2024

  • 基于基础模型嵌入的零-shot全切片图像检索在组织病理学中的应用

    本研究解决了组织病理学中图像检索的难题，采用零-shot方法，不对嵌入进行修改或训练分类器。研究的关键发现是，在使用TCGA的诊断切片作为测试数据时，尽管取得了低表现的F1得分，仍展示了基础模型在无监督环境下的检索潜力。

    Sep, 2024