مكتبة تعلم عميق لعلم الأمراض الرقمي وتحليل الشرائح الكاملة.
مكتبة Python مفتوحة المصدر لعلم الأمراض الرقمي، وتطوير النماذج، وتحليل الشرائح الكاملة.
Slideflow هي مكتبة تعلم عميق مخصصة لعلم الأمراض الرقمي، حيث تربط بين التعلم الآلي المتقدم ومتطلبات البحث السريري. يستخدمها الباحثون الطبيون وعلماء البيانات لمعالجة صور الشرائح الكاملة وتدريب النماذج التنبؤية.
توفر خطوط أنابيب تدريب قابلة للتخصيص، ومعالجة الشرائح، وأدوات تطبيع الصبغات التي تتعامل مع التصنيفات ضعيفة وقوية الإشراف. يمكنك بناء نماذج باستخدام التعلم متعدد المثيلات، والتعلم ذاتي الإشراف، والشبكات التوليدية التنافسية، ونماذج الأساس المدمجة.
تتناسب مع أخصائيي أمراض الحاسوب وباحثي الذكاء الاصطناعي الطبي ممن لديهم خبرة في Python ويحتاجون إلى سير عمل شامل لتحليل الشرائح. وهي غير مناسبة للأطباء السريريين الذين ليس لديهم مهارات برمجية أو أولئك الذين يبحثون عن تطبيق عرض طبي جاهز للاستخدام بدون برمج.
تستخرج المربعات من صور الشرائح الكاملة باستخدام cuCIM أو Libvips بدقة والتكبير القابلين للتعديل.
تطبق إجراءات تطبيع الصبغات المدمجة توحيد مظهر الأنسجة عبر الماسحات الضوئية المختلفة.
تدعم بنيات MIL مثل CLAM للتنبؤ على مستوى الشريحة باستخدام تعليقات المرضى.
تولد خرائط الحرارة، والخرائط الفسيفسائية، وخرائط التميز، والأنسجة الاصطناعية عبر StyleGAN.
مجانية تحت ترخيص Apache-2.0، مع توفر إضافات اختيارية غير تجارية. التكلفة الوحيدة هي تشغيلها بنفسك على عتاد وحدة معالجة الرسوميات الخاصة بك.
874 وظيفة مفتوحة عن بعد في تدريب الذكاء الاصطناعي، آخر تحديث ١٥ نوفمبر ٢٠٢٦؛ أجر معظمها $20–$170 في الساعة. منها 2 وظائف تطلب متحدثين بالعربية. يعرضها ذكائي مجانًا، والتقديم يتم على منصة جهة التوظيف.
أدوات الذكاء الاصطناعي المُراجَعة هذه تؤدي المهمة فوراً — من دليلنا المُقيَّم.
تدعم Slideflow كلا من PyTorch وTensorflow، وتعيين PyTorch كافتراضي إذا كان كلاهما متاحاً وقابلاً للتكوين عبر متغير البيئة SF_BACKEND.
تستخدم cuCIM افتراضياً للقراءة السريعة، مع خلفية Libvips اختيارية لدعم تنسيق مثل .scn و.mrxs و.ndpi و.vms و.vmu.
شاهد Zekai أولاً في جوجل