[論文レビュー] A tool for user friendly, cloud based, whole slide image segmentation

Brendon Lutnick, David Manthey+1 more|arXiv (Cornell University)|Jan 18, 2021

AI in cancer detection参考文献 4被引用数 4

ひとこと要約

本論文では、最先端の畳み込みニューラルネットワークを用いて、HistomicsTKに基づいて構築されたグラフィカルインターフェースを通じて統合された、クラウドベースで使いやすい全スライド画像（WSI）セグメンテーション用ツールを提示する。非エキスパートのユーザーが、高い正確性でリモートかつ人間を介したセグメンテーションを実行でき、腎組織スライドにおけるグロメルラのセグメンテーションでFスコア > 0.97を達成する。

ABSTRACT

Convolutional neural networks, the state of the art for image segmentation, have been successfully applied to histology images by many computational researchers. However, the translatability of this technology to clinicians and biological researchers is limited due to the complex and undeveloped user interface of the code, as well as the extensive computer setup required. As an extension of our previous work (arXiv:1812.07509), we have developed a tool for segmentation of whole slide images (WSIs) with an easy to use graphical user interface. Our tool runs a state-of-the-art convolutional neural network for segmentation of WSIs in the cloud. Our plugin is built on the open source tool HistomicsTK by Kitware Inc. (Clifton Park, NY), which provides remote data management and viewing abilities for WSI datasets. The ability to access this tool over the internet will facilitate widespread use by computational non-experts. Users can easily upload slides to a server where our plugin is installed and perform human in the loop segmentation analysis remotely. This tool is open source, and has the ability to be adapted to segment of any pathological structure. For a proof of concept, we have trained it to segment glomeruli from renal tissue images, achieving an F-score > 0.97 on holdout tissue slides.

研究の動機と目的

• 深層学習ベースのWSIセグメンテーションツールが、複雑なインターフェースと高い計算リソース要件のため、臨床医や生物学者にまで実用的でないという問題に対処すること。
• 非エキスパートユーザー向けに、シンプルなグラフィカルユーザーインターフェースを備えたクラウドホスティング型でインタラクティブなセグメンテーションツールを開発すること。
• Webベースのプラットフォームを通じて、リモートかつ人間を介した全スライド画像のセグメンテーションを可能にすること。
• 腎組織におけるグロメルラを対象としたプロトタイプとして、本ツールのさまざまな病理的構造への適応可能性を示すこと。
• 最先端のWSIセグメンテーションのアクセス可能性と使いやすさを向上させること。

提案手法

• 本ツールは、WSIの管理と可視化を目的としたオープンソースプラットフォームであるHistomicsTKのプラグインとして構築されている。
• 組織画像のセマンティックセグメンテーションに事前学習済みの畳み込みニューラルネットワークを活用している。
• すべての処理がクラウド上で実行されるため、ユーザーのローカル計算リソースの要件が不要となる。
• ユーザーはWebインターフェースを通じてWSIをアップロードし、システムが深層学習モデルを用いて推論を実行する。
• インターフェースは、リアルタイムでのセグメンテーション結果の補正と最適化をサポートしている。
• 本システムは拡張性を備えており、任意の病理的構造のセグメンテーションの再トレーニングが可能である。

実験結果

リサーチクエスチョン

• RQ1 クラウドベースで使いやすいインターフェースにより、非エキスパートの生物学者や臨床医が正確なWSIセグメンテーションを実行できるか？
• RQ2 本手法の性能は、既存の深層学習手法と比較して、セグメンテーションの正確性においてどのように異なるか？
• RQ3 本ツールは、グロメルラ以外のさまざまな病理的構造のセグメンテーションにどの程度適応可能か？
• RQ4 リモートかつ人間を介したインタラクションが、セグメンテーションの品質と使いやすさに与える影響は何か？
• RQ5 Webベースのプラットフォームにより、WSI解析におけるローカルGPUインfraの必要性が排除できるか？

主な発見

• 本ツールは、ホールドアウトデータ上での腎組織スライドにおけるグロメルラのセグメンテーションでFスコア > 0.97を達成し、高いセグメンテーション正確性を示した。
• クラウドアーキテクチャのおかげで、ユーザーはローカルGPUや複雑なソフトウェア設定を必要とせずにセグメンテーションを実行できる。
• HistomicsTKとの統合により、WSIデータセットの安全なリモート管理と可視化が可能になった。
• グラフィカルユーザーインターフェースはインタラクティブなセグメンテーションをサポートしており、ユーザーがリアルタイムで結果を補正・最適化できる。
• 本ツールはオープンソースであり、拡張性を備えており、多様な病理的構造のセグメンテーションへの適応が可能である。
• 簡素化されたアクセスと直感的な操作により、計算の非エキスパートによる広範な利用が可能になった。