xOpat: eXplainable Open Pathology Analysis Tool

J 2023

xOpat: eXplainable Open Pathology Analysis Tool

HORÁK, Jiří, Katarína FURMANOVÁ, Barbora KOZLÍKOVÁ, Tomáš BRÁZDIL, Petr HOLUB et. al.

Základní údaje

Originální název

xOpat: eXplainable Open Pathology Analysis Tool

Autoři

HORÁK, Jiří (203 Česká republika, domácí), Katarína FURMANOVÁ (703 Slovensko, domácí), Barbora KOZLÍKOVÁ (203 Česká republika, domácí), Tomáš BRÁZDIL (203 Česká republika, domácí), Petr HOLUB (203 Česká republika, domácí), Martin KAČENGA (703 Slovensko, domácí), Matej GALLO (703 Slovensko, domácí), Rudolf NENUTIL (203 Česká republika), Jan BYŠKA (203 Česká republika, domácí) a Vít RUSŇÁK (203 Česká republika, garant, domácí)

Vydání

COMPUTER GRAPHICS FORUM, England, Wiley, 2023, 0167-7055

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

10200 1.2 Computer and information sciences

Stát vydavatele

Velká Británie a Severní Irsko

Utajení

není předmětem státního či obchodního tajemství

Odkazy

URL

Impakt faktor

Impact factor: 2.500 v roce 2022

Kód RIV

RIV/00216224:14330/23:00130943

Organizační jednotka

Fakulta informatiky

DOI

http://dx.doi.org/10.1111/cgf.14812

UT WoS

001020716600006

Klíčová slova anglicky

Medical Imaging; Scientific Visualization; Open Pathology; Toolkit; artificial intelligence; Visual Analysis; AI explainability; GPU Rendering;

Štítky

J-Q2

Příznaky

Mezinárodní význam, Recenzováno

Změněno: 6. 2. 2024 21:04, doc. RNDr. Tomáš Brázdil, Ph.D.

Anotace

V originále

Histopathology research quickly evolves thanks to advances in whole slide imaging (WSI) and artificial intelligence (AI). However, existing WSI viewers are tailored either for clinical or research environments, but none suits both. This hinders the adoption of new methods and communication between the researchers and clinicians. The paper presents xOpat, an open-source, browser- based WSI viewer that addresses these problems. xOpat supports various data sources, such as tissue images, pathologists’ annotations, or additional data produced by AI models. Furthermore, it provides efficient rendering of multiple data layers, their visual representations, and tools for annotating and presenting findings. Thanks to its modular, protocol-agnostic, and extensible architecture, xOpat can be easily integrated into different environments and thus helps to bridge the gap between research and clinical practice. To demonstrate the utility of xOpat, we present three case studies, one conducted with a developer of AI algorithms for image segmentation and two with a research pathologist.

Návaznosti

LM2018140, projekt VaV

Název: e-Infrastruktura CZ (Akronym: e-INFRA CZ)

Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, e-Infrastruktura CZ

MUNI/A/1339/2022, interní kód MU

Název: Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence

Investor: Masarykova univerzita, Rozvoj technik pro zpracování dat pro podporu vyhledávání, analýz a vizualizací rozsáhlých datových souborů s využitím umělé inteligence

824087, interní kód MU

Název: EOSC-Life: Providing an open collaborative space for digital biology in Europe (Akronym: EOSC-Life)

Investor: Evropská unie, EOSC-Life: Providing an open collaborative space for digital biology in Europe, RI Research Infrastructures (Excellent Science)

90125, velká výzkumná infrastruktura

Název: BBMRI-CZ III

Citovat

HORÁK, Jiří, Katarína FURMANOVÁ, Barbora KOZLÍKOVÁ, Tomáš BRÁZDIL, Petr HOLUB, Martin KAČENGA, Matej GALLO, Rudolf NENUTIL, Jan BYŠKA a Vít RUSŇÁK. xOpat: eXplainable Open Pathology Analysis Tool. COMPUTER GRAPHICS FORUM. England: Wiley, 2023, roč. 42, č. 3, s. 63-73. ISSN 0167-7055. Dostupné z: https://dx.doi.org/10.1111/cgf.14812.

@article{2290959,
   author = {Horák, Jiří and Furmanová, Katarína and Kozlíková, Barbora and Brázdil, Tomáš and Holub, Petr and Kačenga, Martin and Gallo, Matej and Nenutil, Rudolf and Byška, Jan and Rusňák, Vít},
   article_location = {England},
   article_number = {3},
   doi = {http://dx.doi.org/10.1111/cgf.14812},
   keywords = {Medical Imaging; Scientific Visualization; Open Pathology; Toolkit; artificial intelligence; Visual Analysis; AI explainability; GPU Rendering;},
   language = {eng},
   issn = {0167-7055},
   journal = {COMPUTER GRAPHICS FORUM},
   title = {xOpat: eXplainable Open Pathology Analysis Tool},
   url = {https://diglib.eg.org/handle/10.1111/cgf14812},
   volume = {42},
   year = {2023}
}

TY  - JOUR
ID  - 2290959
AU  - Horák, Jiří - Furmanová, Katarína - Kozlíková, Barbora - Brázdil, Tomáš - Holub, Petr - Kačenga, Martin - Gallo, Matej - Nenutil, Rudolf - Byška, Jan - Rusňák, Vít
PY  - 2023
TI  - xOpat: eXplainable Open Pathology Analysis Tool
JF  - COMPUTER GRAPHICS FORUM
VL  - 42
IS  - 3
SP  - 63-73
EP  - 63-73
PB  - Wiley
SN  - 01677055
KW  - Medical Imaging
KW  - Scientific Visualization
KW  - Open Pathology
KW  - Toolkit
KW  - artificial intelligence
KW  - Visual Analysis
KW  - AI explainability
KW  - GPU Rendering;
UR  - https://diglib.eg.org/handle/10.1111/cgf14812
N2  - Histopathology research quickly evolves thanks to advances in whole slide imaging (WSI) and artificial intelligence (AI). However, existing WSI viewers are tailored either for clinical or research environments, but none suits both. This hinders the adoption of new methods and communication between the researchers and clinicians. The paper presents xOpat, an open-source, browser- based WSI viewer that addresses these problems. xOpat supports various data sources, such as tissue images, pathologists’ annotations, or additional data produced by AI models. Furthermore, it provides efficient rendering of multiple data layers, their visual representations, and tools for annotating and presenting findings. Thanks to its modular, protocol-agnostic, and extensible architecture, xOpat can be easily integrated into different environments and thus helps to bridge the gap between research and clinical practice. To demonstrate the utility of xOpat, we present three case studies, one conducted with a developer of AI algorithms for image segmentation and two with a research pathologist.
ER  -

HORÁK, Jiří, Katarína FURMANOVÁ, Barbora KOZLÍKOVÁ, Tomáš BRÁZDIL, Petr HOLUB, Martin KAČENGA, Matej GALLO, Rudolf NENUTIL, Jan BYŠKA a Vít RUSŇÁK. xOpat: eXplainable Open Pathology Analysis Tool. \textit{COMPUTER GRAPHICS FORUM}. England: Wiley, 2023, roč.~42, č.~3, s.~63-73. ISSN~0167-7055. Dostupné z: https://dx.doi.org/10.1111/cgf.14812.

Podrobný výpis o publikaci