The Importance of eSlide Macro Images for Primary Diagnosis with Whole Slide Imaging
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
INTRODUCTION: A whole slide image (WSI) is typically comprised of a macro image (low-power snapshot of the entire glass slide) and stacked tiles in a pyramid structure (with the lowest resolution thumbnail at the top). The macro image shows the label and all pieces of tissue on the slide. Many whole slide scanner vendors do not readily show the macro overview to pathologists. We demonstrate that failure to do so may result in a serious misdiagnosis. MATERIALS AND METHODS: Various examples of errors were accumulated that occurred during the digitization of glass slides where the virtual slide differed from the macro image of the original glass slide. Such examples were retrieved from pathology laboratories using different types of scanners in the USA, Canada, Europe, and Asia. RESULTS: The reasons for image errors were categorized into technical problems (e.g., automatic tissue finder failure, image mismatches, and poor scan coverage) and human operator mistakes (e.g., improper manual region of interest selection). These errors were all detected because they were highlighted in the macro image. CONCLUSION: Our experience indicates that WSI can be subject to inadvertent errors related to glitches in scanning slides, corrupt images, or mistakes made by humans when scanning slides. Displaying the macro image that accompanies WSIs is critical from a quality control perspective in digital pathology practice as this can help detect these serious image-related problems and avoid compromised diagnoses.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle