見出し画像

Open and reusable deep learning for pathology with WSInfer and QuPath

  1. 本研究の学術的背景、核となる学術的「問い」: 数年間でデジタル病理学の分野では深層学習モデルが増えていますが、他の研究者や病理学者が文献で発表されたモデルにアクセスし、それを自分の画像に適用することはまだ稀です。それはモデルの共有や実行が困難であるためです。この問題を解決するための「どのような手段が必要か?」というのが、本研究の核心的な問いとなります。

  2. 本研究の目的及び学術的独自性と創造性: この問題を解決するために、我々は新しく、病理学向けの深層学習をもっと短縮されてアクセス可能にするためのオープンソースのソフトウェアエコシステム「WSInfer」を紹介します。これは、全ての人が深層学習モデルを再利用し、探求し、研究目的で調査することを促進することを目指しています。この取り組みは、コーディング経験があるかどうかに関わらず、病理学者が深層学習モデルを扱うことができるようにするためのもので、その方法は非常に創造的で、学術的な独自性を持っています。

  3. 本研究の着想とその位置づけ: 本研究は、既存の深層学習モデルが広く利用されていないという問題に対して解決を試みるものです。深層学習技術の普及により病理学の領域でもその活用が進んでいますが、すべての人が無理なく利用できる環境があるとは言えません。そのため、本研究は、既存の技術を一般の病理学者にも手頃な形で提供することで、新たな病理学研究の推進を可能にします。

  4. 本研究で何をどのように、どこまで明らかにした:本研究では、WSInferという新たなソフトウェアエコシステムを開発しました。これにより、パッチベースの深層学習推論を効率的に全スライド画像に適用するPythonパッケージとコマンドラインツール、ユーザーフレンドリーでインタラクティブなソフトウェアを通じて代替の推論エンジンを提供するQuPath拡張、モデルとメタデータを簡単に共有できる標準化された形でのモデルの動物園を提供しています。

  5. 本研究の有効性はどのように検証した: パッケージが実際に深層学習を促進し、病理学者にとって利用可能なものであることを検証するためには、ユーザーが実際にWSInferを利用し、フィードバックを提供することが必要です。しかし、記事中には明確な有効性検証の記述が欠けていることから、具体的な有効性検証法については述べられていません。

この記事が気に入ったらサポートをしてみませんか?