





Please sign in before starting!!.
Aquest projecte té com a objectiu millorar les màscares de teixit generades per IA en imatges histològiques que contenen teixit adipós. Revisant i corregint aquestes màscares, els voluntaris ajuden a crear millors dades de recerca per a la patologia digital i el descobriment de biomarcadors.
Cada tasca mostra una imatge amb dos panells:
Compararàs aquests panells i decidiràs si la màscara és clarament correcta, si hi ha una paret discontínua o si és massa difícil per valorar-la amb confiança.
No. No cal tenir formació prèvia en medicina o patologia per participar-hi. Un tutorial breu i alguns exemples explicaran què has d’observar i com anotar els casos de paret discontínua.
Tria Clarament correcta quan la màscara predita ja segueix prou bé els límits visibles del teixit i no cal cap correcció rellevant.
La màscara no ha de ser perfecta. S’accepten petites imperfeccions.
Tria Paret discontínua quan una paret tissular real o un septe falta, està trencat o està mal situat en la màscara predita.
En aquests casos, hauràs de:
Tria Difícil / ambigu quan el límit del teixit sigui massa poc clar per valorar-lo amb confiança.
Alguns exemples inclouen:
Si no n’estàs segur/a, tria Difícil / ambigu en lloc d’endevinar.
Les parets fines dels adipòcits i els septes connectius es consideren teixit.
Els lúmens adipocitaris buits no es consideren teixit.
Si una paret està lleugerament trencada a causa de la preparació del teixit, encara es pot corregir si la seva trajectòria prevista és visualment clara.
No. No es demana als voluntaris que diagnostiquin càncer ni que prenguin decisions clíniques.
La teva funció és ajudar a millorar les anotacions de teixit en imatges histològiques. Aquestes anotacions poden posteriorment donar suport a la recerca de biomarcadors relacionats amb malalties com el càncer.
El teixit adipós és fàcil d’identificar en moltes imatges de biòpsia, però sovint es passa per alt. La seva estructura pot contenir informació biològica útil relacionada amb la inflamació, el remodelatge tissular i malalties com el càncer.
Estem estudiant si unes anotacions millorades del teixit adipós poden ajudar a donar suport al descobriment de nous biomarcadors.
La IA pot analitzar ràpidament un gran nombre d’imatges, però encara comet errors. En el teixit adipós, les parets fines poden aparèixer trencades o incompletes durant la preparació del teixit, cosa que pot dificultar la segmentació automàtica.
La revisió humana ajuda a corregir aquests errors i a millorar la qualitat de les dades.
Si no pots valorar el límit amb confiança, tria Difícil / ambigu.
És millor marcar un cas com a incert que no pas endevinar.
Sí. Les contribucions dels voluntaris ens ajuden a millorar les màscares de teixit, crear millors conjunts de dades i perfeccionar els models d’IA. Aquestes anotacions millorades també poden donar suport a la recerca de nous biomarcadors basats en teixit.
Algunes màscares contenen errors perquè el model d’IA pot confondre parets tissulars trencades o tènues amb espais oberts. Aquest és un dels principals reptes que el projecte intenta abordar.
No. Marca només la zona que necessita correcció.
Si el cas està etiquetat com a Paret discontínua, dibuixa:
No redibuixis tota la màscara.
Els casos marcats com a Difícil / ambigu es poden separar dels exemples més clars i revisar amb més detall per part de l’equip de recerca o d’anotadors experts.
La majoria de tasques haurien de requerir poc temps. Algunes imatges són fàcils de revisar, mentre que d’altres poden necessitar una atenció més acurada.
Sí. Aquest projecte està dissenyat perquè persones no expertes hi puguin contribuir després d’una breu introducció i un tutorial.