Slideflow: Deep Learning for Digital Histopathology with Real-Time Whole-Slide Visualization

Slideflow: Deep Learning for Digital Histopathology with Real-Time Whole-Slide Visualization

ディープラーニング手法は、病理組織画像を分析するための強力なツールとして登場しましたが、現在の手法は特定のドメインやソフトウェア環境に特化していることが多く、対話型のインターフェースでモデルを展開するためのオープンソースのオプションはほとんど存在しません。異なるディープラーニングアプローチを実験するには、通常、ソフトウェアライブラリを切り替えてデータを再処理する必要があり、新しいアーキテクチャを実験する実現性と実用性が低下します。私たちは、デジタル病理学のための幅広い深層学習手法をサポートし、学習済みモデルを展開するための高速なホールスライドインターフェースを含むパッケージであるSlideflowという病理組織学のための柔軟な深層学習ライブラリを開発しました。Slideflowには、ホールスライド画像データ処理、効率的な染色正規化・補強、弱教師付きホールスライド分類、不確実性の定量化、特徴生成、特徴空間分析、説明可能性のための独自のツールが含まれています。全スライド画像処理は高度に最適化されており、40倍の倍率で1スライドあたり2.5秒で全スライドのタイルを抽出することが可能です。フレームワークに依存しないデータ処理パイプラインにより、TensorflowまたはPyTorchで構築された新しい手法の迅速な実験が可能で、グラフィカルユーザーインターフェースは、Raspberry PiなどのARMベースのデバイスを含む様々なハードウェアデバイス上でスライド、予測、ヒートマップ、特徴空間特性のリアルタイムな可視化をサポートします。