病理图片尺寸过于巨大,往往没有办法直接放入网络里跑,所以必须切割,但是切割同样会产生问题,就是标签该如何给?于是,目前深度学习病理主要有两个方向,一个是利用精确注释的小数据集去实现病理的分类。另一个就是利用大数据集(可能要10000张WSI),使用MIL的方法实现分类。
1、精确注释小数据集
经典camelyon16\17,这种方法存在个显著的问题,就是给病理图片做精确注释是一个非常困难的问题,一张病理切片可能需要顶级专家花费很多天才能实现完全标注,这样给病理专家造成了巨大的工作量,违背了计算机辅助治疗的初衷(减轻病理专家的负担并提高病理专家的诊断准确度)
2、大数据集跑MIL
需要超级大的数据集,非常不适合大多数科研机构,超大的数据集需要强大的GPU服务器群(价格上千万)才能实现病理的分类
如何解决上述的问题呢
这将是接下来一段时间的科研方向