AutoIHC
автоматический анализ гистологических снимков рака молочной железы
2 мин чтенияобновлено
Набор предобученных весов для фреймворка AutoIHC от группы исследователей (OncoAI-ULBHUB), сопровождающий их статью 2026 года в журнале Technology in Cancer Research & Treatment. Модель решает задачу автоматической количественной оценки окрашивания на полнослайдовых иммуногистохимических (IHC) изображениях при раке молочной железы. На выходе система позволяет разделить опухоль и строму, сегментировать клеточные ядра и рассчитать показатель H-score (оценку интенсивности и доли окрашенных клеток). Инструмент пригодится биоинформатикам и исследователям в области цифровой патологии для воспроизведения результатов статьи или дообучения на собственных данных.
Ключевые особенности
- Модульная структура: веса разделены на три этапа анализа — TSM (сегментация опухоли и стромы), NSM (сегментация ядер) и HEM (оценка H-score).
- Кросс-валидация на 5 фолдах: для каждого метода доступны пять лучших чекпоинтов (от
fold_0доfold_4), что позволяет объединять их в ансамбли. - Поддержка PyTorch: модели распространяются в виде стандартных файлов весов
.pthи легко загружаются черезhuggingface_hub.
Что можно сделать
- Воспроизвести исследование: запустить пайплайн из официального репозитория GitHub на своих IHC-слайдах для оценки H-score.
- Собрать ансамбль моделей: скачать все пять фолдов одного из методов через
snapshot_downloadдля повышения стабильности предсказаний. - Дообучить под свою лабораторию: использовать чекпоинты как базу для файнтюнинга под другие сканеры, протоколы окрашивания или маркеры.
Пример
from huggingface_hub import hf_hub_download
import torch
path = hf_hub_download(
repo_id="OncoAI-ULBHUB/AutoIHC",
filename="H-score model weights///best_model_fold_0.pth",
)
state_dict = torch.load(path, map_location="cpu")
Подробнее
Обучение проводилось на закрытом внутреннем датасете IHC-изображений рака молочной железы (сам датасет не опубликован).Предназначено строго для исследовательских целей — не является медицинским изделием и не подходит для клинической диагностики.
Точность может снижаться на снимках с других сканеров, при иных протоколах окрашивания или маркерах — авторы рекомендуют валидацию и дообучение.










Комментарии