建设积分兑换官方网站百度推广

在本教程中，我们将展示如何使用 PyTorch 深度学习模型和 TIAToolbox 对全视野切片图像（WSI）进行分类。WSI 是通过手术或活检获取的人体组织样本的图像，这些样本经过专门的扫描仪扫描而成。病理学家和计算病理学研究人员利用这些图像在显微水平研究疾病（例如癌症），以了解肿瘤的生长情况，从而帮助改善患者的治疗效果。

处理 WSI 的挑战在于它们的巨大尺寸。例如，一张典型的切片图像约有 100,000x100,000 像素，其中每个像素对应切片上大约 0.25x0.25 微米。这给图像的加载和处理带来了挑战，更不用说单个研究可能需要处理数百甚至数千张 WSI（更大规模的研究往往能带来更好的结果）。

传统的图像处理流程并不适合 WSI 的处理，因此我们需要更好的工具。这就是 TIAToolbox 能发挥作用的地方，它提供了一系列有用的工具，用于快速且计算高效地导入和处理组织切片图像。通常，WSI 被保存为金字塔结构，其中包含同一图像在不同放大级别上的多个副本，这种结构经过优化以便于可视化。金字塔的第 0 级（或底层）包含最高放大或缩放级别的图像，而金字塔中的更高层次则是基础图像的低分辨率副本。金字塔结构如下所示。