mahmoodlab/TRIDENT

解决的问题

Trident 简化了 AI 病理学中大规模全切片图像（WSI）处理的复杂流程。它提供了一个统一的工具包，用于处理从图像转换、组织分割、提取切片坐标到使用多种前沿基础模型生成嵌入的端到端流程。

工作原理

Trident 作为一个多阶段流水线运行，可作为单个命令执行，也可分步执行：

1. 组织分割：使用 HEST 或 GrandQC（或 Otsu 方法）等模型，将组织与背景分离并去除伪影。
2. 组织切片：在特定放大倍数下，从分割后的组织区域中提取小图像切片的坐标。
3. 特征提取：
   • 切片级别：使用 33 种支持的切片编码器之一（如 UNI、CONCH、Virchow）为单个切片创建嵌入。
   • 切片级别：使用 12 种支持的切片编码器之一（如 Titan、GigaPath、PRISM）将切片数据聚合为整个切片的单一嵌入。

为应对病理数据的规模，它包含 WSI 缓存流水线（用于慢速存储）、多 GPU 分发以及智能恢复系统，可跳过已处理的切片。

适用人群

专为需要处理大规模组织学数据集并使用多种基础模型生成高维特征以供下游分析的 AI 病理学研究人员和实践者设计。

主要亮点

• 广泛的模型支持：集成 33 种切片编码器和 12 种切片编码器。
• 端到端工作流：从分割到嵌入生成，整个流程可通过单个命令执行。
• 稳健的基础设施：支持多 GPU、智能恢复功能，以及用于网络存储的生产者/消费者缓存。
• 广泛的格式支持：兼容 OpenSlide、CuCIM、OME-Zarr、Zeiss CZI 和金字塔 TIFF 格式。