CountPath: Automating Fragment Counting in Digital Pathology

要約

医療画像の品質管理は、デジタル病理の重要な要素であり、診断画像が必要な基準を満たすことを保証します。
このプロセス内の分析前のタスクは、標本フラグメントの数の検証です。これは、スライド上のフラグメントの数が巨視的なレポートで文書化された数と一致するようにするプロセスです。
このステップは、スライドにグロスプロセスから適切な診断資料が含まれていることを確認するために重要です。これにより、その後の顕微鏡検査と診断の精度を保証します。
伝統的に、この評価は手動で実行され、主観的な性質のために大きな変動を受けながら、かなりの時間と労力が必要でした。
これらの課題に対処するために、この研究では、Yolov9およびVision Transformerモデルを使用して、フラグメントカウントへの自動化されたアプローチを調査します。
私たちの結果は、自動化されたシステムが専門家の評価に匹敵するパフォーマンスのレベルを達成し、手動カウントに代わる信頼性が高く効率的な代替品を提供することを示しています。
さらに、自動化されたアプローチが86%の精度を達成し、専門家の間で観察される変動の範囲内に収まることを示していることを示していることを示しています(82〜88%)。

要約(オリジナル)

Quality control of medical images is a critical component of digital pathology, ensuring that diagnostic images meet required standards. A pre-analytical task within this process is the verification of the number of specimen fragments, a process that ensures that the number of fragments on a slide matches the number documented in the macroscopic report. This step is important to ensure that the slides contain the appropriate diagnostic material from the grossing process, thereby guaranteeing the accuracy of subsequent microscopic examination and diagnosis. Traditionally, this assessment is performed manually, requiring significant time and effort while being subject to significant variability due to its subjective nature. To address these challenges, this study explores an automated approach to fragment counting using the YOLOv9 and Vision Transformer models. Our results demonstrate that the automated system achieves a level of performance comparable to expert assessments, offering a reliable and efficient alternative to manual counting. Additionally, we present findings on interobserver variability, showing that the automated approach achieves an accuracy of 86%, which falls within the range of variation observed among experts (82-88%), further supporting its potential for integration into routine pathology workflows.

arxiv情報

著者 Ana Beatriz Vieira,Maria Valente,Diana Montezuma,Tomé Albuquerque,Liliana Ribeiro,Domingos Oliveira,João Monteiro,Sofia Gonçalves,Isabel M. Pinto,Jaime S. Cardoso,Arlindo L. Oliveira
発行日 2025-03-13 16:29:16+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.LG, I.2 パーマリンク