डीप ज़ूम से गीगापिक्सेल इमेज एनोटेशन
टाइल पिरामिड को DZI और IIIF Image API 3.0 के रूप में परोसें, और स्रोत के पूरे रिज़ॉल्यूशन पर ब्रश मास्क बनाएँ, बिना किसी टेक्सचर-आकार सीमा के।
ऐसी छवियाँ एनोटेट करें जो ब्राउज़र को एक फ़ाइल के रूप में भेजने के लिए बहुत बड़ी हैं — हवाई सर्वेक्षण, जोड़े गए माइक्रोस्कोपी मोज़ेक, स्कैन किए नक्शे — ऐसे बॉक्स, पॉलीगॉन और मास्क के साथ जो किसी भी आवर्धन पर काम करते हैं। Potato एक टाइल पिरामिड परोसता है और उसके ऊपर एनोटेशन कैनवास लगाता है।
annotation_schemes:
- annotation_type: image_annotation
name: structures
description: "Mark every structure."
source_field: image
viewer: deepzoom # the default is `fabric`
tools: [bbox, polygon, brush, eraser]
labels:
- {name: building, color: "#c0392b"}media_directory वह जगह है जहाँ से टाइल रूट पढ़ते हैं; आपकी डेटा फ़ाइल के पथ उसके सापेक्ष होते हैं।
चलने योग्य उदाहरण: examples/image/deep-zoom/।
गीगापिक्सेल और होल-स्लाइड इमेज एनोटेशन टूल की तुलना Potato की तुलना QuPath, ASAP, Cytomine, Digital Slide Archive, napari, V7 और Recogito Studio से स्लाइड फ़ॉर्मैट, लाइसेंस और प्रति स्लाइड कई एनोटेटरों के समर्थन के आधार पर करती है। QuPath और ASAP डेस्कटॉप पर स्लाइडों की रूपरेखा बनाने वाले एक व्यक्ति के लिए ठीक हैं, जबकि Potato उन अध्ययनों के लिए ठीक है जिनमें कई एनोटेटर उन्हीं स्लाइडों या मोज़ेक की रूपरेखा बनाते हैं।
दो प्रोटोकॉल, एक पिरामिड
वही टाइल पिरामिड DZI और IIIF Image API 3.0 दोनों के रूप में परोसा जाता है। सांस्कृतिक-धरोहर और डिजिटल-मानविकी के काम में IIIF मायने रखता है, जहाँ किसी संस्था के मौजूदा व्यूअर और उद्धरण-पद्धतियाँ पहले से इसे मानकर चलती हैं। रेंडरिंग OpenSeadragon करता है, जो हर दूसरे एसेट की तरह स्थानीय रूप से वेंडर किया गया है।
पूरे रिज़ॉल्यूशन पर मास्क
टाइल की गई छवियों पर ब्रश मास्क स्रोत के पूरे रिज़ॉल्यूशन पर काम करते हैं, क्योंकि मास्क बफ़र छवि के पिक्सेल को इंडेक्स करता है, GPU टेक्सचर को नहीं। टकराने के लिए कोई टेक्सचर-आकार सीमा नहीं है।
इसे सावधानी से कहना ज़रूरी है, क्योंकि इस दावे का एक पुराना संस्करण गलत था और सुधारा गया। दूसरे प्लेटफ़ॉर्म टाइल की गई छवियों पर मास्किंग का समर्थन करते हैं; V7 उनमें से एक है। यहाँ जो विशिष्ट है वह बफ़र का डिज़ाइन है, क्षमता नहीं।
बफ़र विरल और खंडित हैं, जो इसे किफ़ायती बनाता है: 12-मेगापिक्सेल छवि पर दस क्लास लगभग 458 MB से घटकर लगभग 46 MB हो गईं, और मास्क डेटा का छवि क्षेत्रफल के साथ बढ़ना ही बंद हो गया, जो रिज़ॉल्यूशन चाहे जो हो 16 KB पर टिका रहता है।
होल-स्लाइड इमेज
Potato 2.12 से डीप-ज़ूम व्यूअर पैथोलॉजी स्लाइड भी खोलता है, उन फ़ॉर्मैट में जिन्हें openslide पढ़ता है (.svs, .ndpi, .mrxs, .scn, .vms, .vmu, .bif, और .svslide, साथ ही कोई भी .tif जिसे openslide स्लाइड के रूप में पहचानता है)। स्लाइड अपना पिरामिड पहले से सहेजती है, इसलिए Potato व्यूअर के पहली बार किसी टाइल को माँगने पर हर टाइल को निकटतम सहेजे गए स्तर से काटता है, और नतीजा कैश करता है। कुछ भी पूरा डीकोड नहीं होता, इसलिए 100,000 × 80,000 पिक्सेल का स्कैन किसी छोटी छवि जितनी तेज़ी से खुलता है। स्लाइड समर्थन के लिए एक वैकल्पिक इंस्टॉल चाहिए, जो openslide लाइब्रेरी को साथ बंडल करता है:
pip install "potato-annotation[wsi]"स्कीमा किसी भी डीप-ज़ूम छवि जैसी ही है:
annotation_schemes:
- annotation_type: image_annotation
name: regions
description: "Outline each tissue region"
source_field: image
viewer: deepzoom
tools: [polygon, bbox, landmark]
labels: [tissue, "nuclei cluster", artifact]निर्देशांक पूरे-रिज़ॉल्यूशन स्लाइड के भिन्नों के रूप में सहेजे जाते हैं, जैसे किसी भी छवि के लिए। /media/tiles/<slide>.dzi?format=json पर टाइल डिस्क्रिप्टर स्लाइड के माइक्रोन प्रति पिक्सेल को mpp_x और mpp_y के रूप में देता है, इसलिए माइक्रोन में किसी बॉक्स की चौड़ाई उसकी चौड़ाई-भिन्न गुणा स्लाइड की चौड़ाई गुणा mpp_x है। रिलीज़ में examples/image/whole-slide/ में एक चलने योग्य उदाहरण है, साथ में एक स्क्रिप्ट जो कृत्रिम स्लाइड बनाती है।
समर्पित पैथोलॉजी टूल
डिजिटल पैथोलॉजी के लिए QuPath (डेस्कटॉप, ओपन सोर्स, क्षेत्र का मानक) और Cytomine (वेब, ओपन सोर्स, ब्लाइंड एनोटेशन के साथ मल्टी-यूज़र) पैथोलॉजी के काम के लिए बने हैं। Potato तब ठीक बैठता है जब कई एनोटेटर वही स्लाइड लेबल करें और आपको उनकी सहमति चाहिए, या जब स्लाइड किसी बड़े अध्ययन का एक हिस्सा हों। DICOM या NIfTI में CT और MR वॉल्यूम एक अलग स्कीमा, volume_annotation, उपयोग करते हैं, जिसे स्वास्थ्य सेवा पेज बताता है।
संबंधित
- मीडिया इनजेस्ट — 16-बिट TIFF, HEIC, RAW
- ज्यामिति प्रिमिटिव
- गीगापिक्सेल और होल-स्लाइड इमेज एनोटेशन टूल की तुलना
- इमेज एनोटेशन पर डिटेक्शन और सेगमेंटेशन मॉडल प्रशिक्षित करना — टाइल में काटी गई स्लाइड पर प्रशिक्षित डिटेक्टर और सेगमेंटर
- स्रोत दस्तावेज़ीकरण
उदाहरण डिज़ाइन
हर डिज़ाइन एक चालू Potato कॉन्फ़िगरेशन है, जिसे आप डाउनलोड करके चला सकते हैं।
- BRACS Breast Lesion Regions on a Gigapixel Whole-Slide ImageOutline and label breast lesion regions with seven BRACS categories in the deep-zoom viewer, then train a tiled Mask R-CNN. The sample slide is illustrative.
- PANDA Gleason Pattern Regions and Grade Group on BiopsiesOutline benign tissue and Gleason patterns 3, 4 and 5 on a prostate biopsy in the deep-zoom viewer and choose the ISUP grade. The sample slide is illustrative.