[논문 리뷰] A tool for user friendly, cloud based, whole slide image segmentation

Brendon Lutnick, David Manthey외 1명|arXiv (Cornell University)|2021. 01. 18.

AI in cancer detection참고 문헌 4인용 수 4

한 줄 요약

이 논문은 HistomicsTK 기반의 그래픽 사용자 인터페이스를 통해 통합된 최신 기술의 컨볼루션 신경망을 사용하여 웹 기반 클라우드 도구를 제안한다. 이 도구는 비전문가 사용자가 고정밀도로 원격으로 인간-중개 분할을 수행할 수 있도록 하며, 신장 조직 슬라이드에서 병변 세포의 분할에서 F-스코어 > 0.97을 달성한다.

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.

연구 동기 및 목표

• 딥 러닝 기반 WSI 분할 도구의 복잡한 인터페이스와 높은 계산 요구 사항으로 인해 임상의 및 생물학자들에게 적용 가능성이 제한된 문제를 해결하기 위해.
• 비전문가 사용자를 대상으로 단순한 그래픽 사용자 인터페이스를 갖춘 클라우드 호스팅 상호작용 분할 도구를 개발하기 위해.
• 웹 기반 플랫폼을 통해 원격으로 인간-중개 분할을 수행할 수 있도록 하기 위해.
• 신장 조직에서 병변 세포에 대한 개념 증명을 통해 다양한 병리학적 구조에 대한 도구의 적응 가능성 확인하기 위해.
• 생물의학 연구 분야에서 최신 기술의 WSI 분할 접근법의 접근성과 사용 용이성 향상시키기 위해.

제안 방법

• 도구는 WSI 관리 및 시각화를 위한 오픈 소스 플랫폼인 HistomicsTK의 플러그인으로 구축된다.
• 형태학적 이미지의 의미적 분할을 위해 사전 훈련된 컨볼루션 신경망을 활용한다.
• 모든 처리 과정이 클라우드에서 이루어져 사용자에게 로컬 컴퓨팅 자원이 필요 없도록 한다.
• 사용자는 웹 인터페이스를 통해 WSI를 업로드하고, 시스템은 딥 러닝 모델을 사용해 추론을 수행한다.
• 인터페이스는 실시간으로 분할 결과를 보정하고 개선할 수 있도록 지원한다.
• 시스템은 확장 가능하도록 설계되어, 다양한 병리학적 구조의 분할을 위해 재학습이 가능하다.

실험 결과

연구 질문

• RQ1 웹 기반 클라우드 인터페이스를 통해 비전문가 생물학자 및 임상의가 정확한 WSI 분할을 수행할 수 있는가?
• RQ2 제안된 도구의 성능은 기존 딥 러닝 방법 대비 분할 정확도 측면에서 어떻게 비교되는가?
• RQ3 이 도구는 병변 세포 외의 다양한 병리학적 구조 분할에 얼마나 적응 가능한가?
• RQ4 원격으로 인간-중개 상호작용이 분할 품질과 사용성에 어떤 영향을 미치는가?
• RQ5 웹 기반 플랫폼은 WSI 분석에서 로컬 GPU 인프라의 필요성을 제거할 수 있는가?

주요 결과

• 도구는 보류 데이터에서 신장 조직 슬라이드의 병변 세포 분할에서 F-스코어 > 0.97를 달성하여 높은 분할 정확도를 입증했다.
• 클라우드 아키텍처 덕분에 사용자가 로컬 GPU나 복잡한 소프트웨어 설정 없이도 분할을 수행할 수 있다.
• HistomicsTK와의 통합을 통해 보안적인 원격 데이터 관리 및 WSI 데이터셋의 시각화가 가능하다.
• 그래픽 사용자 인터페이스는 실시간으로 보정하고 결과를 개선할 수 있는 상호작용 분할을 지원한다.
• 도구는 오픈 소스이자 확장 가능하여 다양한 병리학적 구조의 분할에 적응이 가능하다.
• 간편한 액세스와 직관적인 상호작용을 통해 계산 비전문가의 광범위한 사용을 가능하게 한다.