histolab/histolab

해결하는 문제

디지털 병리학은 대규모 디지털 스캔인 Whole Slide Images (WSIs)를 처리하는 작업을 포함합니다. 이러한 파일은 종종 독점 형식으로 저장되며, 펜 자국이나 곰팡이 같은 불필요한 아티팩트를 포함하고 있으며, 딥러닝 모델에 직접 입력하기에는 너무 큽니다. histolab은 이러한 이미지를 표준화되고 재현 가능한 방식으로 처리하고, 실제 조직 영역을 탐지하며, AI 파이프라인에서 사용할 수 있는 작은 정보량의 이미지 타일을 추출하는 도구를 제공합니다.

작동 방식

이 라이브러리는 WSI 파일을 Slide 객체로 매핑하여 확대율 수준과 차원과 같은 메타데이터를 가져올 수 있게 합니다. 그런 다음 tiler 모듈을 사용하여 세 가지 주요 전략에 따라 이미지를 작은 타일로 자릅니다:

• 랜덤 추출: 슬라이드에서 고정된 수의 타일을 무작위로 자릅니다.
• 그리드 추출: 감지된 가장 큰 조직 영역에 따라 그리드 구조로 타일을 자릅니다.
• 점수 기반 추출: 점수 함수(예: NucleiScorer는 높은 세포핵 및 조직 밀도를 가진 타일을 우선시)를 사용하여 가장 정보가 풍부한 타일만 저장합니다.

대상 사용자

대규모 조직 이미지 데이터셋을 딥러닝 모델용으로 준비해야 하는 계산 병리학 분야의 임상 및 과학 연구자들을 위한 것입니다.

주요 기능

• 자동 조직 탐지: 빈 공간을 자르지 않기 위해 가장 큰 연결된 조직 영역을 자동으로 식별합니다.
• 다중 모달 지원: 다양한 WSI 형식과 확대 수준을 지원합니다.
• 사용자 정의 타일링: 타일 크기, 겹침, 조직 비율 임계값을 조정할 수 있습니다.
• 통합 데이터 접근: 예시 데이터셋(예: TCGA 데이터)을 쉽게 다운로드할 수 있는 data 모듈을 포함합니다.
• 시각화: 추출 전에 확대된 슬라이드 버전 위에서 선택된 타일을 시각화할 수 있는 도구가 포함되어 있습니다.