HistoGym: A Reinforcement Learning Environment for Histopathological Image Analysis

要約

病理学の研究、教育、臨床においては、病理画像に基づく意思決定プロセスが非常に重要です。
この重要性はデジタル病理画像解析にも及びます。その適切性は、組織構造内に含まれる広範な情報によって実証され、がんの正確な分類と等級付けには不可欠です。
さらに、その必要性は、アルゴリズムによって生成される結論の解釈可能性に対する固有の要件によって強調されます。
人間の場合、腫瘍の種類と悪性度の決定には通常、マルチスケール分析が必要ですが、これは AI アルゴリズムにとって大きな課題となります。
従来のパッチベースの方法は、スライド画像全体に固有の複雑なマルチスケール情報を捕捉できないため、このような複雑な構造のモデリングには不十分です。
したがって、この複雑な分析プロセスを効率的かつ正確に再現できる高度な AI 技術が急務となっています。
この問題に対処するために、組織病理学的画像解析のためのオープンソースの強化学習環境である HistoGym を紹介します。
OpenAI Gym API に続き、HistoGym は医師の実際のプロセスを模倣することにより、スライド全体の画像診断を促進することを目指しています。
HistoGym は、WSI のピラミッド機能と OpenSlide API を活用して、腫瘍の検出と分類を含むさまざまな臨床タスクに統合されたフレームワークを提供します。
組織病理学的画像解析ドメインに合わせた観察、アクション、報酬の仕様を詳しく説明し、臨床医と研究者の両方にオープンソースの Python ベースのインターフェイスを提供します。
さまざまな臨床需要に対応するために、WSI ベースのシナリオと選択された領域ベースのシナリオの両方を含む、さまざまな臓器やがんに対するさまざまなシナリオを提供し、いくつかの注目すべき結果を示しています。

要約(オリジナル)

In pathological research, education, and clinical practice, the decision-making process based on pathological images is critically important. This significance extends to digital pathology image analysis: its adequacy is demonstrated by the extensive information contained within tissue structures, which is essential for accurate cancer classification and grading. Additionally, its necessity is highlighted by the inherent requirement for interpretability in the conclusions generated by algorithms. For humans, determining tumor type and grade typically involves multi-scale analysis, which presents a significant challenge for AI algorithms. Traditional patch-based methods are inadequate for modeling such complex structures, as they fail to capture the intricate, multi-scale information inherent in whole slide images. Consequently, there is a pressing need for advanced AI techniques capable of efficiently and accurately replicating this complex analytical process. To address this issue, we introduce HistoGym, an open-source reinforcement learning environment for histopathological image analysis. Following OpenAI Gym APIs, HistoGym aims to foster whole slide image diagnosis by mimicking the real-life processes of doctors. Leveraging the pyramid feature of WSIs and the OpenSlide API, HistoGym provides a unified framework for various clinical tasks, including tumor detection and classification. We detail the observation, action, and reward specifications tailored for the histopathological image analysis domain and provide an open-source Python-based interface for both clinicians and researchers. To accommodate different clinical demands, we offer various scenarios for different organs and cancers, including both WSI-based and selected region-based scenarios, showcasing several noteworthy results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google