自動化數字病理圖像的分析與深度學習

能夠滿足需求

如何構建一個端到端的深度學習管道與磚機器學習的整個幻燈片圖像分析運行時和MLflow嗎

今天,微觀組織樣本的掃描可以迅速數字化以較低的成本。這些高分辨率圖像為研究人員和臨床醫生提供豐富的信息,以幫助檢測癌症的出現,開發新的療法等等。然而,大部分的工作需要勞動密集型的人類對這些圖像。深度學習可以增加這些工作流通過解釋成千上萬的圖片在幾分鍾內。

盡管深度學習的承諾,衛生保健和生命科學組織難以實現自動化數字病理工作流程有以下原因:

• 是慢和成本高昂的處理大型圖像文件(例如每張幻燈片1 - 2 GB)
• 深度學習管道難以並行化,可以花幾周訓練模型
• 跟蹤和繁殖實驗在研究實驗室是一個挑戰

幸運的是,磚統一數據分析平台以及流行的開源項目Apache SparkTM,引發深度學習管道和MLflBeplay体育安卓版本ow很容易建立一個可伸縮的深度學習管道進行醫學圖像分析。

加入這個網絡研討會學習:

• 如何使用深度學習自動化數字病理圖像分析
• 如何使用磚的毫升在幾分鍾內運行時處理成千上萬的整張圖片嗎
• 如何培養一個圖像分類器來檢測癌症轉移腫瘤段
• 如何使用MLflow輕鬆地跟蹤和繁殖臨床實驗