深度组织加强的全幻灯片图像注册框架

Apr, 2024

深度组织加强的全幻灯片图像注册框架

DeeperHistReg: Robust Whole Slide Images Registration Framework

Marek Wodzinski, Niccolò Marini, Manfredo Atzori, Henning Müller

TL;DRDeeperHistReg 是一个软件框架，专门用于注册使用多个染料获取的全幅切片图像 (WSIs)，它允许进行预处理、初始对齐和非刚性注册，支持多种先进的注册算法，并提供操作任意分辨率的 WSIs 界面，可扩展性强，还可通过其他研究人员轻松集成新的算法。该框架同时提供 PyPI 包和 Docker 容器。

Abstract

deeperhistreg is a software framework dedicated to registering whole slide images (wsis) acquired using multiple stains. It allows one to

deeperhistreg whole slide images registration algorithms multiple stains wsis

发现论文，激发创造

RegWSI: 使用深度特征和基于强度的方法的全切片图像配准：ACROBAT 2023 挑战赛获胜者

我们提出了一个两步骤混合方法，包括深度学习和特征提取的初始对齐算法以及基于强度的非刚性配准。该方法不需要对特定数据集进行微调，可直接用于任何所需的组织类型和染色剂。该方法在 ACROBAT 数据集上获得了最准确的结果，在 HyReCo 数据集上实现了细胞级重染的配准精度，同时在 ANHIR 数据集上也表现出色。该方法不需要对新数据集进行微调，并可直接用于其他类型的显微镜图像。该方法已集成到 DeeperHistReg 框架中，可供其他人直接使用，以在任何所需的金字塔级别上对 WSIs 进行配准、变换和保存。该方法对 WSI 的配准是一个重要的贡献，推动了数字病理学领域的发展。

Apr, 2024

ACROBAT 2022 挑战赛：乳腺癌组织自动配准

本研究旨在研究利用深度学习进行组织的全切片成像技术，主要包括对于 WSI 注册的算法研究，本研究增加了协变量考虑，得到高的准确性，同时结果也有望指导研究人员在选择和开发算法方面有所帮助。

May, 2023

多染色整切片图像基于细胞核位置的点集配准

本文以基于核定位的点集注册方法为基础，针对多染色 WSIs 进行局部非刚性注册，以实现核级别的分组分析和蛋白质标记的上下文分析，通过对 HYRECO 数据集进行评估并与其他已建立的注册算法进行比较，表明该方法在核级别的注册上具有优越性。

Apr, 2024

基于深度学习的全切片图像分割与分析通用框架

本文章基于深度学习方法提出了一种可用于组织病理学图像分析的框架，并在癌症诊断、预后和图像分析等方面取得了良好的效果。

Jan, 2020

一种端到端的 3D 切片多染色肾病理注册管道

本文介绍了一种利用 Map3D 算法进行 3D 医学图像配准的方法，将多种染色制片自动对准，实现数字病理学的自动化处理。