Digital slide images produced from routine diagnostic histopathological preparations suffer from variation arising at every step of the processing pipeline. Typically, pathologists compensate for such variation using expert knowledge and experience, which is difficult to replicate in automated solutions. The extent to which inconsistencies affect image analysis is explored in this work, examining in detail, the results from a previously published algorithm automating the generation of tumor:stroma ratio (TSR) in colorectal clinical trial datasets. One dataset consisting of 2,211 cases and 106,268 expert-labelled images is used to identify quality issues, by visually inspecting cases where algorithm-pathologist agreement is lowest. Twelve categories are identified and used to analyze pathologist-algorithm agreement in relation to these categories. Of the 2,211 cases, 701 were found to be free from any image quality issues. Algorithm performance was then assessed, comparing pathologist agreement with image quality classification. It was found that agreement was lowest on poorly differentiated tissue, with a mean TSR difference of 0.25 (sd = 0.24). Removing images that contained quality issues increased accuracy from 80% to 83%, at the expense of reducing the dataset to 33,736 images (32%). Training the algorithm on the optimized dataset, prior to testing on all images saw a decrease in accuracy of 4%, indicating that the optimized dataset did not contain enough variation to generate a fully representative model. The results provide an in-depth perspective on image quality, highlighting the importance of the effects on downstream image analysis.

中文翻译：

---

质量控制对数字病理图像分析准确性的影响

由常规诊断组织病理学制备产生的数字幻灯片图像在处理流程的每个步骤中都会出现变化。通常，病理学家使用专家知识和经验来补偿这种变化，这在自动化解决方案中难以复制。在这项工作中探索了不一致影响图像分析的程度，详细检查了先前发布的算法的结果，该算法在结肠直肠临床试验数据集中自动生成肿瘤：基质比 (TSR)。一个由 2,211 个案例和 106,268 个专家标记图像组成的数据集用于通过目视检查算法与病理学家一致性最低的案例来识别质量问题。确定了十二个类别并用于分析与这些类别相关的病理学家算法一致性。在 2,211 个案例中，发现 701 个没有任何图像质量问题。然后评估算法性能，将病理学家的一致性与图像质量分类进行比较。发现低分化组织的一致性最低，平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 个图像 (32%)。在对所有图像进行测试之前，在优化的数据集上训练算法的准确率下降了 4%，这表明优化的数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。701 被发现没有任何图像质量问题。然后评估算法性能，将病理学家的一致性与图像质量分类进行比较。发现低分化组织的一致性最低，平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 个图像 (32%)。在对所有图像进行测试之前，在优化的数据集上训练算法的准确率下降了 4%，这表明优化的数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。701 被发现没有任何图像质量问题。然后评估算法性能，将病理学家的一致性与图像质量分类进行比较。发现低分化组织的一致性最低，平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 张图像 (32%)。在对所有图像进行测试之前，在优化的数据集上训练算法的准确率下降了 4%，这表明优化的数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。比较病理学家协议与图像质量分类。发现低分化组织的一致性最低，平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 张图像 (32%)。在对所有图像进行测试之前，在优化的数据集上训练算法的准确率下降了 4%，这表明优化的数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。比较病理学家协议与图像质量分类。发现低分化组织的一致性最低，平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 个图像 (32%)。在对所有图像进行测试之前，在优化的数据集上训练算法的准确率下降了 4%，这表明优化的数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 个图像 (32%)。在对所有图像进行测试之前，在优化的数据集上训练算法的准确率下降了 4%，这表明优化的数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。平均 TSR 差异为 0.25 (sd = 0.24)。删除包含质量问题的图像将准确率从 80% 提高到 83%，代价是将数据集减少到 33,736 个图像 (32%)。在对所有图像进行测试之前，在优化数据集上训练算法的准确率下降了 4%，这表明优化数据集没有包含足够的变化来生成完全具有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。表明优化的数据集没有包含足够的变化来生成一个完全有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。表明优化的数据集没有包含足够的变化来生成一个完全有代表性的模型。结果提供了有关图像质量的深入视角，突出了影响对下游图像分析的重要性。