rendeirolab/LazySlide

해결하는 문제

LazySlide는 디지털 및 계산 병리학에서 전체 슬라이드 이미지(WSI)를 분석하기 위한 통합된 Python 프레임워크입니다. 원시 슬라이드 이미지에서 고차원 생물학적 통찰으로 이어지는 복잡한 워크플로우를 단순화하며, 최신 AI 모델을 사용하여 조직 탐지, 타일링, 특징 추출 등의 작업을 자동화합니다.

작동 방식

이 프레임워크는 다양한 도구와 모델을 통합하여 원활한 파이프라인을 구축합니다. wsidata를 사용하여 SVS, NDPI 등 다양한 슬라이드 형식을 지원하고 결과를 SpatialData 형식으로 저장하여 scverse 생태계(scanpy, anndata, squidpy)와의 상호운용성을 보장합니다. 일반적인 파이프라인은 다음과 같습니다:

• 전처리: 조직 탐지 및 특정 해상도에서 타일링.
• 특징 추출: 병리학 기초 모델(UNI 또는 Virchow 등) 또는 표준 비전 모델을 사용하여 타일 특징 추출.
• 분석: 세포 세그멘테이션, 제로샷 분류, 형태학적 특징과 유전자 발현 연결.

대상 사용자

디지털 병리학 및 계산 생물학 분야의 연구자와 실무자에게 설계되었으며, 기초 모델과 공간 분석 도구를 연구 워크플로우에 쉽게 통합할 수 있는 접근성 있는 방법을 제공합니다.

주요 특징

• 풍부한 모델 지원: 30개 이상의 병리학 기초 모델과 시각-언어 모델(CONCH, PLIP, TITAN)을 제공하여 제로샷 예측 및 캡션 생성 가능.
• 상호운용성 있는 데이터: SpatialData를 통해 scverse 생태계에 네이티브 통합.
• 광범위한 형식 지원: SVS, NDPI, MRXS, DICOM 등 다양한 슬라이드 형식 호환.
• 딥러닝 준비 완료: 사용자가 자체 커스텀 모델을 훈련할 수 있도록 PyTorch 데이터셋 제공.