Apr, 2020

EXACT：一款用于辅助标注图片的算法协作工具集，带有标注版本控制

HTML
PDF
TL;DR开源在线平台 EXACT（EXpert Algorithm Collaboration Tool）通过适应不同应用的灵活插件系统及版本控制系统，成功地应用于医学全幅图像分析、跨领域图像注释、深度学习等多样化的标注任务。
发现论文，激发创造
  • 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

  • NCI成像数据共享平台：在计算病理学中实现可重复研究

    通过实现FAIR（持久性识别，可发现性，可访问性和重用性）原则，NCI IDC建立了一个公共图像库，其中包含多个癌症图像收集，该图像库可用于云端的ML服务，从而实现了CompPath研究的可重复复性。

    Mar, 2023

  • HistoColAi：基于人工智能驱动预测整合的数字组织学图像协同注释开源Web平台

    本文提出了一种网络服务来可视化和注释数字化组织学图像，并通过一个以多个注释器为中心的用例来展示和验证该工具，同时提出了一个可用性研究，证明了该工具的可行性。

    Jul, 2023

  • SVRDA：一种用于切片到体素配准的基于网络的数据集标注工具

    开发了一种名为 SVRDA 的工具，用于协作标注切片到体积注册的基准数据集，验证了其有效性，并展示了其在临床应用中的潜力。

    Nov, 2023

  • MOSaiC：协作医学视频评估和标注的基于Web的平台

    MOSaiC 3.6.2 是一个基于Web的协作平台，用于医学视频的标注和评估，旨在促进基于视频的评估和加速外科数据科学项目。

    Dec, 2023

  • 重新思考标注模拟：全身PET病灶交互分割方法的实际评估

    通过引入四个评估度量值来量化真实用户和模拟用户之间的转换，我们提出一种更逼真的机器人用户，通过考虑点击变异和标注者之间的不一致性来减小模拟与真实用户之间的差距，并通过一个具体案例表明这种机器人用户相比传统机器人用户能够持续减少模拟与真实用户之间的转换差距，从而在同时保持真实用户研究的准确性的情况下，能够更大规模、更节约成本地评估交互分割模型。

    Apr, 2024

  • 统一建模增强的精准神经肿瘤多模态学习

    通过使用一种层次化注意结构，我们介绍了一种统一建模增强多模态学习（UMEML）框架，该框架整合了组织学图像和基因组学，以在显微镜级别和分子级别上实现对肿瘤的精确治疗，并通过利用两种模态的共享和互补特征有效地进行建模。

    Jun, 2024

  • CT成像的全面索引和语义注释：提升FAIR性

    该研究介绍了一种通过自动索引和语义增强来提高临床CT图像系列的可发现性、可访问性、可互操作性和可重用性的方法，使用HL7 FHIR资源对元数据进行标准化，以提供医学影像数据的易发现性并促进互操作性，为医疗人工智能应用的大规模集成和索引提供了基础。

    Jun, 2024

  • 利用图像标题进行选择性整体切片图像标注

    本文研究了通过原型抽样方法选择注释区域，为整个切片图像（WSIs）基于深度学习的任务提供最优模型训练。通过从大规模组织病理图像数据库中识别类别原型并检测与这些原型相似的无标签图像区域，本方法比随机抽样和多样性抽样更有效，可以识别具有有价值训练信息的注释区域，在语义分割和有丝分裂图像检测任务中改进了模型性能。

    Jul, 2024

  • 通过多模态自监督融合的组织图像和免疫基因组数据的个性化二维二进制患者代码

    本研究解决了在医学诊断中整合不同模态数据（如组织病理学图像和基因测序数据）的稀缺性和挑战，提出了一种名为MarbliX的创新框架，能够将这些数据转化为精简的二进制患者代码。实验结果显示，MarbliX能为医疗专业人员提供深入的见解，从而助力更精确的诊断、减少变异性，并扩展个性化治疗选择，尤其在癌症领域具有重要影响。

    Sep, 2024