A model for predicting pathologist's velocity profiles when navigating virtual slides

Abstract

Navigation through large microscopic images is a potential benefit for histology or pathology teaching, for improving the quality of diagnosis in pathology, or for communicating pathologists in some telemedicine applications. However, the size of this kind of images is prohibitive for navigation with conventional techniques. This article presents a soft computing model, which permits to anticipate the pathologist trajectories in diagnosis tasks when exploring virtual slides. The Bayesian strategy combines an offline model of a baseline pathologist knowledge (the prior) and a prediction online module (the likelihood) that captures a particular pathologist navigation pattern. While optimal parameters for the biologically inspired offline model are calculated using an Expectation-Maximization strategy, prediction is carried out by a particle filter. Parameters are estimated from several series of actual navigations performed by several pathologists in different virtual slides. The present approach is compared with other conventional prediction methods and decreases the calculated MSE in about a 50% for the entire group of pathologists.

Sistemas de microscopía virtual: análisis y perspectivas

“…bioingenium.unal.edu.co. Expediente de la patente 8 35991 Secu even.0), con el cual se ha construido una base de datos de placas virtuales, utilizada en trabajos de investigación del grupo (16)(17)(18).…”

“…En un reciente estudio (32), se demostró que los patólogos usan sólo uno o dos aumentos y se mueven a través de la placa sistemáticamente en varias direcciones, lo cual genera linealidad en peticiones consecutivas de la imagen (37). Otros trabajos han demostrado, no sólo que los movimientos son lineales, sino que los patrones de velocidad son isotónicos (17). Varios trabajos recientes (17,18) indican que las estrategias de caché y prefetching implementados en los sistemas de microscopía virtual e inspirados en el patrón de navegación de los patólogos, mejoran los tiempos de exploración de las placas, al menos, en 30%, eliminando retrasos indeseados en la práctica de la microscopía virtual.…”

“…Otros trabajos han demostrado, no sólo que los movimientos son lineales, sino que los patrones de velocidad son isotónicos (17). Varios trabajos recientes (17,18) indican que las estrategias de caché y prefetching implementados en los sistemas de microscopía virtual e inspirados en el patrón de navegación de los patólogos, mejoran los tiempos de exploración de las placas, al menos, en 30%, eliminando retrasos indeseados en la práctica de la microscopía virtual.…”

“…Por otra parte, varios usuarios se pueden conectar al mismo servidor y solicitar la misma imagen, con lo cual el uso de los recursos disponibles es aún más limitado. Se han introducido diferentes estrategias de aceleración en la literatura (17,18,28,32), con el objetivo de optimizar el uso de estos recursos. Las estrategias de caché y prefetching han demostrado una mejora importante en los tiempos de navegación (17,18).…”

“…Se han introducido diferentes estrategias de aceleración en la literatura (17,18,28,32), con el objetivo de optimizar el uso de estos recursos. Las estrategias de caché y prefetching han demostrado una mejora importante en los tiempos de navegación (17,18). Es importante anotar que, cuando estas estrategias están asociadas a patrones de navegación reales, los resultados son notoriamente mejores (16).…”