整张幻灯片图像支持
本地处理十亿像素全切片图像，同时保留全分辨率病理数据。
整张幻灯片图像多分辨率变焦区域导航
病理标注平台
全切片图像的病理标注平台
通过精确分割和专家评审工作流程，标注组织病理学、组织区域、细胞、细胞核、生物标志物和数字病理学 AI 的全切片图像 (WSI)。
病理标注功能
复杂病理学标注所需的一切
处理全幻灯片病理图像，从组织概览转向细胞细节，使用结构化本体组织标签，并使用人工智能辅助工具加速精确标注。
深度变焦和多分辨率查看
跨越多个分辨率级别，从整个组织概览无缝导航到细胞级细节。
大规模标注
在大量病理切片上创建、渲染和管理数千个细胞、细胞核、区域和其他标注。
本体
定义嵌套病理类、属性、关系和幻灯片级别属性，以实现一致的标注工作流程。
像素完美分割
以像素级精度精确描绘细胞、细胞核、肿瘤、组织区域和复杂的微观结构。
人工智能辅助自动标记
使用“查找相似”、Magic Touch 和重复结构的自动标记工具加速病理标注。
人工审核自动贴标
为什么 AI 团队选择 Unitlab 进行病理标注
通过人工智能辅助自动化、可扩展的工作流程和更低的运营成本，更快地标注复杂的病理数据集。
15倍
更快的病理标注
90%
自动病理标注
10倍
降低标注成本
支持的病理标注类型
所有病理标注类型 在一个平台上。
创建感兴趣区域、组织分割掩模、多边形、细胞和细胞核实例、点标记、分类、幻灯片属性和病理工作流程的关系。
01
边界框/ROI
标记组织、肿瘤、病变、细胞簇或检查区域感兴趣的矩形区域。
02
组织分割
使用可编辑掩模捕获像素级组织、肿瘤、病变、坏死或生物标记区域。
03
多边形/组织区域
使用可编辑的多边形勾勒出不规则组织区域、肿瘤边缘、腺体和其他结构的轮廓。
04
细胞/细胞核实例
将单个细胞和细胞核标记为不同的实例，以进行检测、计数和形态分析。
05
组织边界/折线
追踪组织边界、边缘、血管和具有连接顶点的细长结构。
06
点/单元标记
在载玻片上标记精确的细胞中心、细胞核、腺体和其他微观标志。
07
分类/调查结果
分配载玻片、区域或发现级别的类别，例如组织类型、等级、染色或生物标志物状态。
08
幻灯片/项目属性
描述完整幻灯片或项目的标签属性，包括来源、质量、群组和项目特定的属性。
09
关系
连接发现和组织区域以捕获项目定义的上下文关系。
病理数据集管理和标注工作流程
整理病理数据并自动化标注工作流程。
搜索、版本和检查病理数据集，连接 AI 模型，并通过审核和批准移动标注。
数据集版本
随着病理数据的发展，创建和管理数据集版本。跟踪更改、分配工作并使每个版本保持可审核和生产就绪状态。
语义搜索
通过语义理解而不是手动过滤器来探索大型病理数据集。查找相关案例并在定义的条件下滑动区域。
嵌入视图
可视化数据集结构，识别异常值和标签问题，并在训练前提高病理数据质量。
集成工作流程
构建在一个连续循环中连接模型、标注、审查和质量保证的工作流程。减少交接并保持数据集从标记到批准的过程。
带上你的病理模型
连接您自己的 AI 模型以进行预标记和模型辅助标注。提高现实世界病理数据集的准确性并更快地迭代。
解决方案
计算病理学的病理标注解决方案
构建高质量的全玻片和细胞数据集，用于组织分析、肿瘤建模和生物标志物研究。
问题，已回答
病理标注平台常见问题解答
有关 WSI 和组织病理学标注、细胞、细胞核、组织分割、数字病理学本体、质量工作流程、自定义模型和 Unitlab 中的数据集操作的答案。
与 Unitlab 团队交谈What pathology annotation types does Unitlab support?+
Unitlab 支持 ROI 框、组织分割掩模、多边形、细胞和细胞核实例、点标记、边界、分类、幻灯片属性和关系。团队在可重用本体中定义标签和规则，以实现一致的整个幻灯片图像标注。
病理标注文档How does AI-assisted segmentation work in Unitlab?+
使用内置或集成图像模型生成分割或多边形预测，然后在标注通过质量审查之前审查和细化边界。
自动标注文档How can reviewers inspect pathology regions consistently?+
审阅者可以检查完整图像和聚焦区域，将标签与本体进行比较，留下问题和评论，并使用标注历史记录来跟踪已审阅或纠正的内容。
标注审查文档How do ontologies and properties work in pathology annotation?+
嵌套本体定义类、分类、属性和关系。类属性描述标注区域，而幻灯片或项目属性捕获适用于完整图像的上下文。
属性和关系文档How does Unitlab manage pathology annotation quality and review?+
可配置的工作流程通过标注、审查、返工和批准来路由病理学任务。说明、作业、评论、问题、标注历史记录、数据集版本和发布使个别专家和企业团队的质量决策保持可追溯性。
标注和审查文档Can teams use their own AI models for pathology pre-labeling?
是的。 Unitlab 可以将自定义模型引入标注工作流程以生成预标签和预测。标注者审查并纠正模型输出，而不是从零开始，而人工批准仍然是受控质量流程的一部分。
模型集成文档Can Unitlab curate, annotate, and version pathology datasets in one platform?
是的。团队可以使用元数据过滤器、语义搜索、嵌入、相似性和异常值发现来整理病理数据，然后标注选定的样本、审查结果并发布受控数据集版本，以进行可重复的 AI 开发。
数据集管理文档
