ਲਾਭ:
- ਇੱਕ ਪੂਰੀ ਸਲਾਈਡ ਚਿੱਤਰ (WSI) ਵਰਕਫਲੋ ਵਿੱਚ ਸੈੱਲ ਗਿਣਤੀ, ਵਿਭਾਜਨ, ਅਤੇ ਗਰੇਡਿੰਗ ਲਈ AI ਦੇ ਸਮਰਥਨ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਡੋਮੇਨ ਸ਼ਿਫਟ 'ਤੇ ਪੇਂਟਿੰਗ ਅਤੇ ਸਕੈਨਿੰਗ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ
- ਰੈਫਰੈਂਸ ਸਟੈਂਡਰਡ, ਸੈਂਪਲਿੰਗ ਅਤੇ ਪੈਥੋਲੋਜਿਸਟ ਦੀ ਮਨਜ਼ੂਰੀ ਦੇ ਨਾਲ ਪੈਥੋਲੋਜੀ ਏਆਈ ਆਉਟਪੁੱਟ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
ਪੈਥੋਲੋਜੀ ਦਵਾਈ ਦੀ ਸ਼ਾਖਾ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਮਾਈਕਰੋਸਕੋਪ ਦੇ ਹੇਠਾਂ ਟਿਸ਼ੂ ਦੇ ਨਮੂਨੇ ਦੀ ਜਾਂਚ ਕਰਕੇ ਬਿਮਾਰੀ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਕੈਂਸਰ ਦੇ ਬਹੁਤ ਸਾਰੇ ਨਿਦਾਨਾਂ ਦਾ "ਗੋਲਡ ਸਟੈਂਡਰਡ" ਇੱਥੇ ਬਣਾਇਆ ਗਿਆ ਹੈ। ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ ਇੱਕ ਉੱਚ-ਰੈਜ਼ੋਲੂਸ਼ਨ ਸਕੈਨਰ ਦੇ ਨਾਲ ਇੱਕ ਸ਼ੀਸ਼ੇ ਦੀ ਸਲਾਈਡ 'ਤੇ ਇੱਕ ਦਾਗਦਾਰ ਟਿਸ਼ੂ ਭਾਗ ਦਾ ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ ਹੈ। ਨਤੀਜੇ ਵਜੋਂ ਫਾਈਲ ਨੂੰ ਇੱਕ ਪੂਰੀ ਸਲਾਈਡ ਚਿੱਤਰ ਕਿਹਾ ਜਾਂਦਾ ਹੈ (ਛੋਟੇ ਲਈ WSI); ਇੱਕ ਸਿੰਗਲ ਸਲਾਈਡ ਗੀਗਾਪਿਕਸਲ ਦੇ ਆਕਾਰ ਦੀ ਇੱਕ ਵਿਸ਼ਾਲ ਤਸਵੀਰ ਹੋ ਸਕਦੀ ਹੈ, ਯਾਨੀ ਅਰਬਾਂ ਪਿਕਸਲ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇਹਨਾਂ ਵਿਸ਼ਾਲ ਚਿੱਤਰਾਂ ਵਿੱਚ ਸੈੱਲਾਂ ਦੀ ਗਿਣਤੀ, ਖੇਤਰ ਵੰਡ ਅਤੇ ਗਰੇਡਿੰਗ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ ਅਸੀਂ WSI ਵਰਕਫਲੋ ਨੂੰ ਦੇਖਾਂਗੇ, ਇਸਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਤਕਨੀਕੀ ਨੁਕਸਾਨ: ਦਾਗ ਲਗਾਉਣਾ/ਸਕੈਨਿੰਗ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ, ਅਤੇ ਪੈਥੋਲੋਜਿਸਟ ਦੀ ਪ੍ਰਵਾਨਗੀ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ।
ਆਓ ਸ਼ੁਰੂ ਤੋਂ ਦੱਸੀਏ: ਨਕਲੀ ਬੁੱਧੀ ਇੱਕ ਕਾਊਂਟਰ, ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਸਕੈਨਰ ਅਤੇ ਪੈਥੋਲੋਜੀ ਵਿੱਚ ਦੂਜੀ ਅੱਖ ਹੋ ਸਕਦੀ ਹੈ; ਪਰ ਕੈਂਸਰ ਦੀ ਜਾਂਚ, ਸਟੇਜਿੰਗ ਅਤੇ ਗਰੇਡਿੰਗ ਦੇ ਫੈਸਲੇ ਪੈਥੋਲੋਜਿਸਟ ਦੇ ਹਨ। ਮਾਡਲ ਨਿਦਾਨ ਨਹੀਂ ਕਰਦਾ.
WSI ਵਰਕਫਲੋ ਦੇ ਪੜਾਅ
ਕਦਮ 1 - ਸਕ੍ਰੀਨਿੰਗ ਅਤੇ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ। ਗਲਾਸ ਸਲਾਈਡ ਨੂੰ ਸਕੈਨ ਕੀਤਾ ਗਿਆ ਹੈ; ਨੁਕਸ ਜਿਵੇਂ ਕਿ ਡੀਫੋਕਸ, ਫੋਲਡ ਮਾਰਕ ਅਤੇ ਹਵਾ ਦੇ ਬੁਲਬੁਲੇ ਆਪਣੇ ਆਪ ਖੋਜੇ ਜਾ ਸਕਦੇ ਹਨ। ਮਾੜੀ ਕੁਆਲਿਟੀ ਸਕੈਨ ਬਿਲਕੁਲ ਵੀ ਮਾਡਲ ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਹੋਣੀ ਚਾਹੀਦੀ।
ਕਦਮ 2 - ਟਾਇਲ (ਪੈਚ) ਹਟਾਉਣਾ। ਗੀਗਾਪਿਕਸਲ ਚਿੱਤਰ 'ਤੇ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਕਾਰਵਾਈ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ; ਛੋਟੇ ਵਰਗਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਹੈ (ਅੰਗਰੇਜ਼ੀ ਪੈਚ, ਆਮ ਤੌਰ 'ਤੇ 256x256 ਜਾਂ 512x512 ਪਿਕਸਲ)। ਮਾਡਲ ਹਰੇਕ ਟਾਇਲ ਦਾ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਮੁਲਾਂਕਣ ਕਰਦਾ ਹੈ, ਫਿਰ ਨਤੀਜਿਆਂ ਨੂੰ ਜੋੜਿਆ ਜਾਂਦਾ ਹੈ.
ਕਦਮ 3 — ਟਿਸ਼ੂ/ਸੈੱਲ ਵਿਸ਼ਲੇਸ਼ਣ। ਮਾਡਲ; ਇਹ ਟਿਊਮਰ ਸਾਈਟ ਸੈਗਮੈਂਟੇਸ਼ਨ, ਮਾਈਟੋਸਿਸ (ਸੈੱਲ ਵੰਡਣ) ਦੀ ਗਿਣਤੀ, ਪ੍ਰਮਾਣੂ ਘਣਤਾ ਜਾਂ ਮਾਰਕਰ ਦੀ ਗਣਨਾ (ਜਿਵੇਂ ਕਿ ਕੀ-67 ਸਟੈਨਿੰਗ ਰੇਟ) ਵਰਗੇ ਕੰਮ ਕਰਦਾ ਹੈ। ਆਉਟਪੁੱਟ ਇੱਕ ਸੰਖਿਆਤਮਕ ਮਾਪ ਜਾਂ ਇੱਕ ਗਰਮੀ ਦਾ ਨਕਸ਼ਾ ਹੈ।
ਕਦਮ 4 — ਏਕੀਕਰਨ ਅਤੇ ਰਿਪੋਰਟਿੰਗ। ਟਾਈਲ ਦੇ ਨਤੀਜੇ ਸਲਾਈਡ ਪੱਧਰ 'ਤੇ ਮਿਲਾਏ ਜਾਂਦੇ ਹਨ; ਇੱਕ ਸੰਖੇਪ ਪੈਦਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ, "ਟਿਊਮਰ ਖੇਤਰ ਦਾ ਪ੍ਰਤੀਸ਼ਤ" ਜਾਂ "ਮਿਟੌਟਿਕ ਗਿਣਤੀ"।
ਕਦਮ 5 - ਪੈਥੋਲੋਜਿਸਟ ਮੁਲਾਂਕਣ। ਪੈਥੋਲੋਜਿਸਟ ਮਾਡਲ ਦੁਆਰਾ ਚਿੰਨ੍ਹਿਤ ਖੇਤਰਾਂ ਅਤੇ ਗਿਣਤੀਆਂ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ; ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ, ਠੀਕ ਕਰਦਾ ਹੈ ਜਾਂ ਅਸਵੀਕਾਰ ਕਰਦਾ ਹੈ। ਨਿਦਾਨ ਅਤੇ ਦਰਜਾਬੰਦੀ ਪੈਥੋਲੋਜਿਸਟ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ।
ਸਭ ਤੋਂ ਵੱਡਾ ਨੁਕਸਾਨ: ਰੰਗਾਈ ਅਤੇ ਸਕੈਨਿੰਗ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ
ਟਿਸ਼ੂ ਸੈਕਸ਼ਨਾਂ ਨੂੰ ਆਮ ਤੌਰ 'ਤੇ H&E (ਹੀਮੇਟੋਕਸੀਲਿਨ ਅਤੇ ਈਓਸਿਨ; ਮਿਆਰੀ ਰੰਗਤ ਜੋ ਨਿਊਕਲੀ ਨੀਲੇ-ਵਾਇਲੇਟ ਅਤੇ ਸਾਇਟੋਪਲਾਜ਼ਮ ਨੂੰ ਗੁਲਾਬੀ ਰੰਗਦਾ ਹੈ) ਨਾਲ ਰੰਗਿਆ ਜਾਂਦਾ ਹੈ। ਪਰ ਧੱਬੇ ਦੀ ਤੀਬਰਤਾ ਪ੍ਰਯੋਗਸ਼ਾਲਾ, ਦਾਗ਼ ਬੈਚ, ਭਾਗ ਦੀ ਮੋਟਾਈ, ਅਤੇ ਸਕੈਨਰ ਬ੍ਰਾਂਡ ਦੁਆਰਾ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਬਦਲਦੀ ਹੈ। ਮਨੁੱਖੀ ਅੱਖ ਇਹਨਾਂ ਅੰਤਰਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਢਾਲ ਲੈਂਦੀ ਹੈ; ਮਾਡਲ ਅਨੁਕੂਲ ਨਹੀਂ ਹੋ ਸਕਦਾ ਹੈ।
ਜੇਕਰ ਕਿਸੇ ਮਾਡਲ ਨੇ ਲੈਬ A ਦੇ ਗੁਲਾਬੀ-ਜਾਮਨੀ ਟੋਨ ਦੇ ਆਧਾਰ 'ਤੇ ਸਿੱਖਿਆ ਹੈ, ਤਾਂ ਇਸਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਲੈਬ B ਦੇ ਫਿੱਕੇ ਜਾਂ ਗੂੜ੍ਹੇ ਧੱਬੇ 'ਤੇ ਘੱਟ ਜਾਵੇਗੀ। ਇਸ ਵਰਤਾਰੇ ਨੂੰ ਡੋਮੇਨ ਸ਼ਿਫਟ ਕਿਹਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ ਵਿੱਚ ਅਸਫਲਤਾ ਦਾ ਸਭ ਤੋਂ ਆਮ ਕਾਰਨ ਹੈ। ਹੱਲ ਪਹੁੰਚ: ਰੰਗ ਸਧਾਰਣਕਰਨ (ਚਿੱਤਰਾਂ ਨੂੰ ਇੱਕ ਆਮ ਰੰਗ ਸਪੇਸ ਵਿੱਚ ਲਿਜਾਣਾ), ਮਲਟੀਸੈਂਟਰ ਸਿਖਲਾਈ ਡੇਟਾ, ਅਤੇ - ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ - ਹਰ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਬਾਹਰੀ ਪ੍ਰਮਾਣਿਕਤਾ ਵਰਤੀ ਜਾਣੀ ਹੈ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ: ਨੰਬਰ ਦੁਆਰਾ
ਕੇਸ 1 - ਮਾਈਟੋਟਿਕ ਗਿਣਤੀ ਵਿੱਚ ਇਕਸਾਰਤਾ। ਛਾਤੀ ਦੇ ਕੈਂਸਰ ਦੀ ਗਰੇਡਿੰਗ ਵਿੱਚ ਮਾਈਟੋਟਿਕ ਗਿਣਤੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਪਰ ਨਿਰੀਖਕ ਤੋਂ ਨਿਰੀਖਕ ਤੱਕ ਮਿਹਨਤੀ ਅਤੇ ਪਰਿਵਰਤਨਸ਼ੀਲ ਹੈ। ਇੱਕ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ AI-ਸਹਾਇਤਾ ਪ੍ਰਾਪਤ ਸ਼ੁਰੂਆਤੀ ਗਿਣਤੀ, ਦੋ ਰੋਗ ਵਿਗਿਆਨੀਆਂ ਵਿਚਕਾਰ ਸਮਝੌਤਾ (ਕੱਪਾ) 0.55 ਤੋਂ 0.71 ਤੱਕ ਵਧਿਆ, ਅਤੇ ਪ੍ਰਤੀ ਸਲਾਈਡ ਦੀ ਗਿਣਤੀ ਦਾ ਸਮਾਂ 4 ਮਿੰਟ ਤੋਂ ਘਟ ਕੇ 1.5 ਮਿੰਟ ਹੋ ਗਿਆ। ਹਾਲਾਂਕਿ, ਹਰੇਕ ਅੰਤਿਮ ਗਿਣਤੀ ਦੀ ਪੁਸ਼ਟੀ ਪੈਥੋਲੋਜਿਸਟ ਦੁਆਰਾ ਕੀਤੀ ਗਈ ਸੀ; ਮਾਡਲ ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ, ਪੈਥੋਲੋਜਿਸਟ ਨੇ ਫੈਸਲਾ ਕੀਤਾ.
ਕੇਸ 2 - ਫੀਲਡ ਸ਼ਿਫਟ ਹਿੱਟ। ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਜਿਸਨੇ ਇੱਕ ਟਿਊਮਰ ਸੈਗਮੈਂਟੇਸ਼ਨ ਮਾਡਲ ਵਿਕਸਤ ਕੀਤਾ, ਇਹ 93% ਸਮੇਂ ਸਹੀ ਢੰਗ ਨਾਲ ਕੰਮ ਕਰ ਰਿਹਾ ਸੀ। ਇੱਕੋ ਮਾਡਲ ਨੇ ਇੱਕ ਵੱਖਰੇ ਸਕੈਨਰ ਅਤੇ ਡਾਈ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਸਹਿਭਾਗੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਟਿਊਮਰ ਖੇਤਰ ਨੂੰ 20% ਦੁਆਰਾ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਬਹੁਤ ਜ਼ਿਆਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਇਆ। ਉਸ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਤੋਂ 200 ਸਲਾਈਡਾਂ ਦੇ ਨਾਲ ਰੰਗ ਦੇ ਸਧਾਰਣਕਰਨ ਅਤੇ ਪੁਨਰ ਪ੍ਰਮਾਣੀਕਰਨ ਤੋਂ ਬਾਅਦ, ਅੰਤਰ ਇੱਕ ਸਵੀਕਾਰਯੋਗ ਪੱਧਰ ਤੱਕ ਘਟ ਗਿਆ।
ਕੇਸ 3 - ਨਮੂਨਾ ਲੈਣ ਦੀ ਗਲਤੀ। ਇੱਕ ਮਾਡਲ ਨੇ ਇੱਕ ਸਲਾਈਡ 'ਤੇ "ਨਹੀਂ" ਟਿਊਮਰ ਕਿਹਾ; ਹਾਲਾਂਕਿ, ਮਾਡਲ ਨੇ ਸਿਰਫ ਸਕੈਨ ਕੀਤੇ ਖੇਤਰ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ ਅਤੇ ਟਿਊਮਰ ਇੱਕ ਨਮੂਨਾ ਰਹਿਤ ਭਾਗ ਵਿੱਚ ਸੀ। ਪੈਥੋਲੋਜੀ ਨਿਦਾਨ ਸਲਾਈਡ ਚੋਣ ਅਤੇ ਨਮੂਨੇ ਦੇ ਰੂਪ ਵਿੱਚ ਵਧੀਆ ਹੈ; AI "ਨੈਗੇਟਿਵ" ਆਉਟਪੁੱਟ ਅੰਡਰਸੈਪਲਿੰਗ ਲਈ ਮੁਆਵਜ਼ਾ ਨਹੀਂ ਦਿੰਦੀ। ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ ਇੱਕ ਨਕਾਰਾਤਮਕ AI ਨਤੀਜੇ ਦਾ ਮਤਲਬ ਕਦੇ ਵੀ "ਕੋਈ ਬਿਮਾਰੀ ਨਹੀਂ" ਹੁੰਦਾ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਨੋਟ: ਹੇਠਾਂ ਦਿੱਤੇ ਪ੍ਰੋਂਪਟ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟ ਅਤੇ ਵਰਕਫਲੋ ਟੈਕਸਟ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨ ਲਈ ਹਨ; ਟਿਸ਼ੂ ਚਿੱਤਰ ਨਿਦਾਨ ਪ੍ਰਮਾਣਿਤ ਸੌਫਟਵੇਅਰ ਅਤੇ ਰੋਗ ਵਿਗਿਆਨੀਆਂ ਦਾ ਕੰਮ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟ ਅਨੁਸਾਰ ਕੀ ਕੈਂਸਰ ਹੈ? [ਰਿਪੋਰਟ]
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਤੁਸੀਂ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟ ਸਟ੍ਰਕਚਰਿੰਗ ਅਸਿਸਟੈਂਟ ਹੋ (ਤੁਸੀਂ ਡਾਇਗਨੌਸਿਸ ਨਹੀਂ ਹੋ)। ਨਿਮਨਲਿਖਤ ਅਗਿਆਤ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟ ਦਾ ਢਾਂਚਾ ਬਣਾਓ:- ਨਮੂਨੇ ਦੀ ਕਿਸਮ, ਸਟੈਨਿੰਗ, ਟਿਊਮਰ ਦੀ ਕਿਸਮ/ਗ੍ਰੇਡ, ਸਰਜੀਕਲ ਹਾਸ਼ੀਏ, ਮਾਰਕਰ ਨੂੰ ਸਾਰਣੀ ਵਿੱਚ ਰੱਖੋ।- ਅਸਪਸ਼ਟ ਸ਼ਬਦਾਵਲੀ ("ਅਟੈਪੀਕਲ, ਕਲੀਨਿਕਲ ਸਬੰਧਾਂ ਦੀ ਸਿਫ਼ਾਰਸ਼ ਕੀਤੀ ਗਈ") ਨੂੰ ਬਰਕਰਾਰ ਰੱਖੋ।- ਕੋਈ ਵੀ ਖੋਜ ਸ਼ਾਮਲ ਨਾ ਕਰੋ ਜੋ ਟੈਕਸਟ ਵਿੱਚ ਨਹੀਂ ਹਨ; ਗੁੰਮ ਹੋਏ ਖੇਤਰ ਵਿੱਚ "ਅਣ-ਨਿਰਧਾਰਤ" ਲਿਖੋ।- ਅੰਤ ਵਿੱਚ, 3 ਬਿੰਦੂਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜਿਨ੍ਹਾਂ ਦੀ ਪੈਥੋਲੋਜਿਸਟ ਨੂੰ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਅਗਿਆਤ ਰਿਪੋਰਟ:[text]
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ
1) ਰਿਪੋਰਟ ਮਾਨਕੀਕਰਨ:
ਨਿਮਨਲਿਖਤ ਅਗਿਆਤ ਪੈਥੋਲੋਜੀ ਰਿਪੋਰਟ ਨੂੰ ਢਾਂਚਾਗਤ ਖੇਤਰਾਂ (ਅੰਗ, ਨਿਦਾਨ, ਗ੍ਰੇਡ, ਹਾਸ਼ੀਏ, ਮਾਰਕਰ ਪ੍ਰਤੀਸ਼ਤ) ਵਿੱਚ ਪਲਾਟ ਕਰੋ। ਪਾਠ ਨਾਲ ਜੁੜੇ ਰਹੋ। ਰਿਪੋਰਟ: [ਟੈਕਸਟ]
2) ਟੋਕਨ ਇਕਸਾਰਤਾ ਜਾਂਚ:
ਇਸ ਰਿਪੋਰਟ ਵਿੱਚ ਦੱਸੇ ਗਏ ਸਾਰੇ ਪ੍ਰਤੀਸ਼ਤ ਅਤੇ ਸੰਖਿਆਤਮਕ ਮਾਰਕਰ (Ki-67, ER, PR, HER2) ਦੀ ਸੂਚੀ ਬਣਾਓ; ਉਹਨਾਂ ਮੁੱਲਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜੋ ਇੱਕ ਦੂਜੇ ਨਾਲ ਜਾਂ ਨਿਦਾਨ ਦੇ ਨਾਲ ਟਕਰਾਅ ਕਰਦੇ ਹਨ। ਰਿਪੋਰਟ: [ਟੈਕਸਟ]
3) ਮਾਡਲ ਪ੍ਰਮਾਣਿਕਤਾ ਯੋਜਨਾ (ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ):
ਇੱਕ WSI ਸੈਗਮੈਂਟੇਸ਼ਨ ਮਾਡਲ ਲਈ ਇੱਕ ਡਰਾਫਟ ਪ੍ਰਮਾਣਿਕਤਾ ਯੋਜਨਾ ਲਿਖੋ: ਰੰਗ ਸਧਾਰਣਕਰਨ, ਮਲਟੀਸੈਂਟਰ ਬਾਹਰੀ ਪ੍ਰਮਾਣਿਕਤਾ, ਪੈਥੋਲੋਜਿਸਟ ਸਮਝੌਤਾ (ਕੱਪਾ), ਫੀਲਡ ਸ਼ਿਫਟ ਟੈਸਟਿੰਗ। ਪੈਥੋਲੋਜਿਸਟ ਪ੍ਰਮਾਣਿਕਤਾ ਬਿੰਦੂਆਂ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਮਾਰਕ ਕਰੋ।
4) ਨਮੂਨਾ ਚੇਤਾਵਨੀ ਸ਼ਾਮਲ ਕਰਨਾ:
ਹੇਠਾਂ ਦਿੱਤੇ ਨਕਾਰਾਤਮਕ AI ਨਤੀਜੇ ਵਿੱਚ ਇਹ ਚੇਤਾਵਨੀ ਸ਼ਾਮਲ ਕਰੋ ਕਿ "ਨਮੂਨਾ ਲੈਣਾ ਸੀਮਤ ਹੋ ਸਕਦਾ ਹੈ, ਇੱਕ ਨਕਾਰਾਤਮਕ ਨਤੀਜਾ ਬਿਮਾਰੀ ਨੂੰ ਬਾਹਰ ਨਹੀਂ ਰੱਖਦਾ" ਅਤੇ ਪੈਥੋਲੋਜਿਸਟ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ। ਆਉਟਪੁੱਟ: [ਟੈਕਸਟ]
ਮਾਡਲ ਦੀ ਭੂਮਿਕਾ: ਕੰਮ ਦੀ ਕਿਸਮ ਦੁਆਰਾ
ਕਾਰਜ ਦੀ ਕਿਸਮ
AI ਯੋਗਦਾਨ
ਆਲੋਚਨਾ
ਤਸਦੀਕ
ਟਿਊਮਰ ਖੇਤਰ ਵੰਡ
ਉੱਚ
ਉੱਚ
ਪੈਥੋਲੋਜਿਸਟ + ਬਾਹਰੀ ਤਸਦੀਕ
ਮਾਈਟੋਸਿਸ/ਸੈੱਲ ਗਿਣਤੀ
ਉੱਚ
ਉੱਚ
ਪੈਥੋਲੋਜਿਸਟ ਪੁਸ਼ਟੀ
ਮਾਰਕਰ ਦਾ ਪ੍ਰਤੀਸ਼ਤ (Ki-67)
ਉੱਚ
ਮੱਧਮ
ਹਵਾਲਾ ਤੁਲਨਾ
ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ (ਫੋਕਸ/ਨੁਕਸ)
ਉੱਚ
ਘੱਟ
ਸਪਾਟ ਚੈੱਕ
ਰਿਪੋਰਟ ਕੌਂਫਿਗਰੇਸ਼ਨ (ਟੈਕਸਟ)
ਉੱਚ
ਘੱਟ
ਪੈਥੋਲੋਜਿਸਟ ਪੁਸ਼ਟੀ
ਸੰਕੇਤ: ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ ਵਿੱਚ ਇੱਕ ਮਾਡਲ ਪ੍ਰਸਤਾਵ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਸਮੇਂ, ਹਮੇਸ਼ਾ ਪੁੱਛੋ: "ਕਿਹੜੀਆਂ ਲੈਬਾਰਟਰੀਆਂ ਦੇ ਦਾਗ ਅਤੇ ਸਕੈਨਰਾਂ ਨੂੰ ਇਸ ਮਾਡਲ 'ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ, ਅਤੇ ਕੀ ਇਹ ਮੇਰੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਗਿਆ ਹੈ?" ਜੇਕਰ ਜਵਾਬ "ਨਹੀਂ" ਹੈ, ਤਾਂ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਅੰਕੜੇ ਅਜੇ ਤੁਹਾਡੇ 'ਤੇ ਲਾਗੂ ਨਹੀਂ ਹੁੰਦੇ ਹਨ।
ਸਾਵਧਾਨ: ਸਿਰਫ਼ ਕਿਉਂਕਿ AI ਕਹਿੰਦਾ ਹੈ "ਕੋਈ ਟਿਊਮਰ ਨਹੀਂ" ਦਾ ਮਤਲਬ ਇਹ ਨਹੀਂ ਹੈ ਕਿ ਨਮੂਨਾ ਰਹਿਤ ਟਿਸ਼ੂ ਵਿੱਚ ਕੋਈ ਟਿਊਮਰ ਨਹੀਂ ਹੈ। ਪੈਥੋਲੋਜੀ ਵਿੱਚ ਇੱਕ ਨਕਾਰਾਤਮਕ ਨਤੀਜਾ ਨਮੂਨੇ ਦੀ ਗੁਣਵੱਤਾ ਦੁਆਰਾ ਸੀਮਿਤ ਹੈ; ਪੈਟਰਨ ਇਸ ਸੀਮਾ ਨੂੰ ਪਾਰ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇੱਕ ਨਕਾਰਾਤਮਕ ਨਤੀਜਾ ਡਾਇਗਨੌਸਟਿਕ ਭਰੋਸਾ ਨਹੀਂ ਹੈ।
ਆਮ ਗਲਤੀਆਂ
- ਰੰਗ/ਡਾਈ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਘੱਟ ਸਮਝਣਾ। ਫੀਲਡ ਡਰਾਫਟ ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ ਵਿੱਚ ਅਸਫਲਤਾ ਦਾ ਸਭ ਤੋਂ ਆਮ ਕਾਰਨ ਹੈ।
- ਇੱਕ ਕੇਂਦਰ ਵਿੱਚ ਟ੍ਰੇਨ ਕਰੋ ਅਤੇ ਹਰ ਜਗ੍ਹਾ ਵਰਤੋ। ਵੱਖੋ-ਵੱਖਰੇ ਬ੍ਰਾਊਜ਼ਰ ਅਤੇ ਕਲਰਿੰਗ ਸ਼ਾਂਤ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਘਟਾਉਂਦੇ ਹਨ।
- ਭਰੋਸੇ ਲਈ ਇੱਕ ਨਕਾਰਾਤਮਕ ਨਤੀਜੇ ਨੂੰ ਗਲਤੀ. ਨਮੂਨਾ ਲੈਣ ਦੀ ਸੀਮਾ ਨੂੰ ਮਾਡਲ ਦੁਆਰਾ ਮੁਆਵਜ਼ਾ ਨਹੀਂ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ।
- ਅੰਤਰ-ਆਬਜ਼ਰਵਰ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਮਾਡਲ ਦਾ ਮੁਲਾਂਕਣ ਉਸ ਅਨੁਸਾਰ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜੇਕਰ ਸੰਦਰਭ ਸਟੈਂਡਰਡ ਹੀ ਵੇਰੀਏਬਲ ਹੈ।
- ਪੈਥੋਲੋਜਿਸਟ ਨੂੰ ਖਤਮ ਕਰਨਾ. ਗਿਣਤੀ ਅਤੇ ਵਿਭਾਜਨ ਸਮਰਥਨ ਹਨ; ਪੈਥੋਲੋਜਿਸਟ ਦੇ ਨਾਲ ਨਿਦਾਨ ਅਤੇ ਗਰੇਡਿੰਗ ਆਰਾਮ.
ਸੰਖੇਪ ਵਿੱਚ
- ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ ਗੀਗਾਪਿਕਸਲ WSI ਚਿੱਤਰਾਂ ਨੂੰ ਟਾਇਲਾਂ ਵਿੱਚ ਵੰਡ ਕੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੀ ਹੈ; AI ਸੈੱਲ ਕਾਊਂਟਿੰਗ ਅਤੇ ਸੈਗਮੈਂਟੇਸ਼ਨ ਦੇ ਨਾਲ ਸਪੋਰਟ ਕਰਦਾ ਹੈ।
- ਸਭ ਤੋਂ ਵੱਡਾ ਤਕਨੀਕੀ ਜਾਲ ਸਟੈਨਿੰਗ/ਸਕੈਨਿੰਗ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੇ ਕਾਰਨ ਫੀਲਡ ਡ੍ਰਾਈਫਟ ਹੈ; ਰੰਗ ਸਧਾਰਨਕਰਨ ਅਤੇ ਬਾਹਰੀ ਪ੍ਰਮਾਣਿਕਤਾ ਜ਼ਰੂਰੀ ਹੈ।
- ਇੱਕ ਨਕਾਰਾਤਮਕ AI ਨਤੀਜਾ ਸੈਂਪਲਿੰਗ ਸੀਮਾ ਦੁਆਰਾ ਸੀਮਿਤ ਹੈ ਅਤੇ ਡਾਇਗਨੌਸਟਿਕ ਭਰੋਸਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰਦਾ ਹੈ।
- ਸੰਦਰਭ ਸਟੈਂਡਰਡ ਅਤੇ ਅੰਤਰ-ਆਬਜ਼ਰਵਰ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਮਾਡਲ ਮੁਲਾਂਕਣ ਲਈ ਸੰਦਰਭ ਹਨ।
- ਨਿਦਾਨ, ਸਟੇਜਿੰਗ ਅਤੇ ਗਰੇਡਿੰਗ ਪੈਥੋਲੋਜਿਸਟ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ; AI ਨਿਦਾਨ ਨਹੀਂ ਕਰਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਕਾਲਪਨਿਕ ਡਿਜੀਟਲ ਪੈਥੋਲੋਜੀ ਮਾਡਲ ਚੁਣੋ (ਉਦਾਹਰਨ ਲਈ Ki-67 ਪ੍ਰਤੀਸ਼ਤ ਗਣਨਾ)। ਇਸ ਮਾਡਲ ਲਈ ਇੱਕ ਬਾਹਰੀ ਪ੍ਰਮਾਣਿਕਤਾ ਯੋਜਨਾ ਲਿਖੋ: ਕਿਹੜੀਆਂ ਲੈਬਾਂ ਤੋਂ ਕਿੰਨੀਆਂ ਸਲਾਈਡਾਂ, ਕਿਹੜਾ ਰੰਗ ਸਧਾਰਣਕਰਨ, ਤੁਸੀਂ ਪੈਥੋਲੋਜਿਸਟ ਸਮਝੌਤੇ ਨੂੰ ਕਿਵੇਂ ਮਾਪੋਗੇ, ਅਤੇ ਤੁਸੀਂ ਫੀਲਡ ਡ੍ਰਾਈਫਟ ਦੀ ਜਾਂਚ ਕਿਵੇਂ ਕਰੋਗੇ। ਫਿਰ ਇੱਕ ਵਾਕ ਵਿੱਚ ਪਾਬੰਦੀ ਚੇਤਾਵਨੀ ਲਿਖੋ ਜੋ ਮਾਡਲ ਦੇ ਨਕਾਰਾਤਮਕ/ਸਕਾਰਾਤਮਕ ਆਉਟਪੁੱਟ ਵਿੱਚ ਜੋੜੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ WSI ਵਰਕਫਲੋ ਦੇ ਸਕੈਨਿੰਗ, ਟਾਈਲਿੰਗ, ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਕੰਪੋਜ਼ਿਟਿੰਗ ਕਦਮਾਂ ਨੂੰ ਜਾਣਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਸਮਝਦਾ/ਸਮਝਦੀ ਹਾਂ ਕਿ ਪੇਂਟ/ਸਕੈਨ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਫੀਲਡ ਡਰਾਫਟ ਦਾ ਕਾਰਨ ਬਣਦੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਕਿਵੇਂ ਪ੍ਰਬੰਧਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
- [ ] ਮੈਂ ਸਮਝਦਾ/ਸਮਝਦੀ ਹਾਂ ਕਿ ਨਕਾਰਾਤਮਕ AI ਨਤੀਜਾ ਸੈਂਪਲਿੰਗ ਸੀਮਾ ਦੁਆਰਾ ਸੀਮਿਤ ਹੈ।
- [ ] ਮੈਂ ਬਾਹਰੀ ਪ੍ਰਮਾਣਿਕਤਾ ਅਤੇ ਪੈਥੋਲੋਜਿਸਟ ਸਮਝੌਤੇ (ਕੱਪਾ) ਦੀਆਂ ਧਾਰਨਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹਾਂ।
- [ ] ਮੈਂ ਅੰਦਰੂਨੀ ਤੌਰ 'ਤੇ ਸਮਝ ਲਿਆ ਹੈ ਕਿ ਤਸ਼ਖੀਸ ਅਤੇ ਗਰੇਡਿੰਗ ਦਾ ਫੈਸਲਾ ਪੈਥੋਲੋਜਿਸਟ ਕੋਲ ਰਹਿੰਦਾ ਹੈ।