Reusable specimen-level inference in computational pathology

要約

計算病理学の基礎モデルは、標本レベルのタスクに大きな可能性を示しており、研究者にとってますます利用しやすくなっています。
しかし、これらの基礎モデルに基づいて構築された標本レベルのモデルは依然としてほとんど利用できないため、その広範な実用性と影響力が妨げられています。
このギャップに対処するために、私たちは SpinPath を開発しました。これは、事前トレーニングされた標本レベルのモデルの動物園、Python ベースの推論エンジン、および JavaScript ベースの推論プラットフォームを提供することにより、標本レベルの深層学習を民主化するように設計されたツールキットです。
9 つの基礎モデルにわたる転移検出タスクにおける SpinPath の有用性を実証します。
SpinPath は再現性を高め、実験を簡素化し、計算病理学研究における標本レベルの深層学習の導入を加速する可能性があります。

要約(オリジナル)

Foundation models for computational pathology have shown great promise for specimen-level tasks and are increasingly accessible to researchers. However, specimen-level models built on these foundation models remain largely unavailable, hindering their broader utility and impact. To address this gap, we developed SpinPath, a toolkit designed to democratize specimen-level deep learning by providing a zoo of pretrained specimen-level models, a Python-based inference engine, and a JavaScript-based inference platform. We demonstrate the utility of SpinPath in metastasis detection tasks across nine foundation models. SpinPath may foster reproducibility, simplify experimentation, and accelerate the adoption of specimen-level deep learning in computational pathology research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google