研究目的
通过调整输入参数来提高细胞核/细胞分割流程的准确性，从而促进更稳健的图像分割工作流，并使图像分析在大规模图像数据集中的应用更加高效。
研究成果
所提出的多目标优化框架显著提升了分割结果的质量，并缩短了分割流程的执行时间。该框架展现出在大规模图像数据集中实现更高效图像分析应用、以及构建更稳健图像分割流程的潜力。
研究不足
该研究承认，由于分割工作流程的计算成本高昂，以及手动评估搜索空间和分割结果质量的难度较大，导致对搜索空间中某一点进行评估的成本很高。
1：实验设计与方法选择：
本研究整合了一系列用于分析算法中自动参数调优的方法和工具，这些算法用于分割组织标本数字化图像中的细胞核。研究采用多目标优化算法来高效搜索参数空间。
2：样本选择与数据来源：
实验使用了从多形性胶质母细胞瘤（GBM）全切片图像（WSI）中提取的15个图像瓦片，这些瓦片由病理学家手动分割。
3：实验设备与材料清单：
实验在Stampede分布式内存机器上进行。Stampede上的每个节点配备双Intel Xeon E5-2680处理器、一个Intel Xeon Phi SE10P协处理器以及32GB内存。
4：实验流程与操作步骤：
自动调优方法部署于区域模板（RTs）中，以在并行机器上高效执行图像分析流程。通过用户导出待调优参数及其取值范围的接口，实现应用程序或工作流与RT的调优集成。
5：数据分析方法：
采用平均Dice系数（取值范围0.0至1.0，数值越高表示与真实分割结果的一致性越好）量化分割结果质量。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
Docker
Docker
Packaging the implementation as a service for easy deployment.
-
3D Slicer
3D Slicer
Provides a graphical user interface for interacting with the auto-tuning infrastructure.
-
Intel Xeon E5-2680
E5-2680
Intel
Processor used in the experiments.
-
Intel Xeon Phi SE10P
SE10P
Intel
Co-processor used in the experiments.
-
登录查看剩余2件设备及参数对照表
查看全部
