Strojové učení v digitální patologii

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00209805%3A_____%2F25%3A00080405" target="_blank" >RIV/00209805:_____/25:00080405 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.cspatologie.cz/archiv.php?nr=102" target="_blank" >https://www.cspatologie.cz/archiv.php?nr=102</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Strojové učení v digitální patologii

Popis výsledku v původním jazyce

S postupující digitalizací patologie se do popředí zájmu dostávají i aplikace metod strojového učení a umělé inteligence. Výzkum a vývoj v této oblasti je velmi rychlý, ale aplikace učících systémů v klinické praxi stále zaostávají. Cílem tohoto textu je přiblížit proces tvorby a nasazení učících systémů v digitální patologii. Začneme popisem základních vlastností dat produkovaných v rámci digitální patologie. Konkrétně pojednáme o skenerech a skenování vzorků, o ukládání a přenosu dat, o kontrole jejich kvality a přípravě pro zpracování pomocí učících systémů, zejména o anotacích. Naším cílem je prezentovat aktuální přístupy k řešení technických problémů a zároveň upozornit na úskalí, na která lze narazit při zpracování dat z digitální patologie. V první části také naznačíme, jak vypadají aktuální softwarová řešení pro prohlížení naskenovaných vzorků a implementace diagnostických postupů zahrnujících učící systémy. Ve druhé části textu popíšeme obvyklé úlohy digitální patologie a naznačíme obvyklé přístupy k jejich řešení. V této části zejména vysvětlíme, jak je nutné modifikovat standardní metody strojového učení pro zpracování velkých skenů a pojednáme o konkrétních aplikacích v diagnostice. Na závěr textu poskytneme rychlý náhled dalšího možného vývoje učících systémů v digitální patologii. Zejména ilustrujeme podstatu přechodu na velké základní modely a naznačíme problematiku virtuálního barvení vzorků. Doufáme, že tento text přispěje k lepší orientaci v rapidně se vyvíjející oblasti strojového učení v digitální patologii a tím přispěje k rychlejší adopci učících metod v této oblasti.

Název v anglickém jazyce

Machine learning in digital pathology

Popis výsledku anglicky

With the advancing digitalization of pathology, the application of machine learning and artificial intelligence methods is becoming increasingly important.Research and development in this field are progressing rapidly, but the clinical implementation of learning systems still lags behind. The aim of this text is to providean overview of the process of developing and deploying learning systems in digital pathology. We begin by describing the fundamental characteristics of dataproduced in digital pathology. Specifically, we discuss scanners and sample scanning, data storage and transmission, quality control, and preparation for processingby learning systems, with a particular focus on annotations. Our goal is to present current approaches to addressing technical challenges while also highlightingpotential pitfalls in processing digital pathology data. In the first part of the text, we also outline existing software solutions for viewing scanned samples andimplementing diagnostic procedures that incorporate learning systems. In the second part of the text, we describe common tasks in digital pathology and outlinetypical approaches to solving them. Here, we explain the necessary modifications to standard machine learning methods for processing large scans and discussspecific diagnostic applications. Finally, we provide a brief overview of the potential future development of learning systems in digital pathology. We illustrate thetransition to large foundational models and introduce the topic of virtual staining of samples. We hope that this text will contribute to a better understanding of therapidly evolving field of machine learning in digital pathology and, in turn, facilitate the faster adoption of learning-based methods in this domain.

Druh

J_SC - Článek v periodiku v databázi SCOPUS

CEP obor

—

OECD FORD obor

30109 - Pathology

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Česko-slovenská patologie a soudní lékařství

ISSN

1210-7875

e-ISSN

1805-4498

Svazek periodika

61

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

12

Strana od-do

58-69

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-105013076679