top of page
.jpg){kind=logo}
Hands-on Workshop ECDP2023 in Budapest
Während des European Congress on Digital Pathology 2023 in Budapest, Ungarn, hat das EMPAIA- Konsortium einen 90-minütigen Workshop als praktische Einführung in die computergestützte Pathologie sowohl für PathologInnen als auch für InformatikerInnen veranstaltet. Die TeilnehmerInnen konnten zwischen drei TracksTurorien wählen, in denen sie in kleinen Gruppen histologische Bilder interaktiv unter Verwendung von skriptgesteuerten Bildverarbeitungs- oder KI-Techniken analysierten. Das Workshop-Material ist auf dieser Seite verfügbar.
Whole-Slide Image Analysis mit QuPath
In dem Tutorial »WSI-Analyse mit QuPath« lernen die TeilnehmerInnen die Open-Source-Software QuPath kennen. QuPath ist, eine kostenlose Plattform, die Werkzeuge für die Analyse gescannter histopathologischer Objektträger, sogenannter Whole Slide Images (WSI), bereitstellt. Sie lernten: (1) wie man QuPath installiert und zum Betrachten und Annotieren von WSI verwendet, (2) wie man den KI-basierten Klassifizierungsalgorithmus trainiert, der von QuPath bereitgestellt wird, so dass dieser Algorithmus Tumor- und Nicht-Tumor-Bereiche auf einem WSI finden kann und (3) wie man QuPath verwendet, um den Ki-67-Index zu bestimmen, eine bekannte Methode zur Bewertung der Proliferation von Krebszellen in verschiedenen Tumoren. Für die Teilnahme an diesem Tutorium sind weder Programmierkenntnisse noch Kenntnisse der Pathologie erforderlich.
Patch-basierte WSI-Analyse
In »"Patch-based WSI analysis: tiling strategies and result-aggregation"« wird dargestellt, wie man eine WSI für eine patch-basierte Analyse wie z. B. Convolutional Neural Networks in Bildkacheln unterteilt. Die TeilnehmerInnen lernen verschiedene Strategien für die Aufteilung von WSI und die Aggregation der Ergebnisse mit Hilfe eines trivialeinfachen benutzerdefinierten Segmentierungsalgorithmus kennen.
Python-Kenntnisse sind nützlich, aber nicht zwingend erforderlich, da die Konzepte der Bildverarbeitung und WSI-Dateistrukturen im Mittelpunkt stehen.
Einführung in das Training einer KI für die Klassifizierung histologischer Bilder
In diesem Tutorial wird einem Computer beigebracht, zwischen Gewebebildern zweier Klassen zu unterscheiden. Wir führen die TeilnehmerInnen durch eine einfache Pipeline für maschinelles Lernen, einschließlich des Trainings eines Algorithmus, seiner Anwendung und der Anzeige der Ergebnisse. Es wird gezeigt, wie man die Ergebnisse zu interpretieren und auf Plausibilität zu prüfen kann, um häufige Fallstricke bei dieser Art von Ansatz zu vermeiden.
Die TeilnehmerInnen sollten über ein Google-Konto verfügen (es wird ein Colab-Notebook verwendet, - es ist keine weitere Softwareinstallation erforderlich). Ein paar Zeilen Python-Code kommen vor, aber es sind aber keine Programmier- oder Machine-Learning-Erfahrungen nötig.
bottom of page