Web-based Viewers
Avantajlar : - Platform bağımsız - Kolay deployment - Collaborative - Cloud integration
Örnekler : - caMicroscope - OMERO.web - Digital Slide Archive (DSA)
Desktop Viewers
Avantajlar : - Daha hızlı - Offline çalışma - Daha fazla özellik - Local processing
Örnekler : - QuPath - ImageScope - ASAP
Annotation Interface Tasarımı
Temel Özellikler
Freehand drawing
Polygon/rectangle
Point markers
Brush tool
Eraser
Undo/redo
Zoom to annotation
İleri Özellikler
Multi-class labeling
Hierarchical categories
Collaboration (multiple users)
AI-assisted annotation
Measurement tools
Shortcuts (keyboard)
AI Model Entegrasyonu
User Interface
↓
Slide Selection
↓
Model Inference (Backend)
↓
Result Visualization
↓
User Review & Edit
↓
Final Report
Görselleştirme Tipleri
Heatmap
Probability overlay
Renk skalası (0-1)
Threshold ayarlama
Opacity control
Segmentation Overlay
Farklı renkler için farklı sınıflar
Contour çizimi
Fill vs outline
Object count
Classification Results
Tile-level predictions
Confidence scores
Confusion regions
Borderline cases
Hekim Feedback Mekanizması
Model sonucu göster
Hekim değerlendir : Doğru/Yanlış
Düzeltme yap : Annotation edit
Feedback kaydet : Database’e yaz
Model güncelleme : Active learning
İteratif geliştirme : Hekim feedback → Model iyileştirme → Tekrar değerlendirme
Hekim Geri Bildirim Arayüzü (Mock-up)
Görüntü üzerinde modelin bulduğu alanlar (örn: heatmap) gösterilir.
Model Sonucu Değerlendirme
Vaka ID: 12345
Model Tahmini: Tümör Tespiti
Güven Skoru: %92
Bu sonuç doğru mu?
[✔️ Doğru] [❌ Yanlış]
Düzeltme/Yorum:
(Metin kutusu: Patolog, yanlış pozitif/negatif alanları veya yorumlarını buraya yazabilir)
[Gönder]
Örnek Yorumlar: - “Belirtilen alan tümör değil, yoğun inflamasyon.” - “Model bir tümör odağını atlamış (koordinat: x,y).” - “Sonuç doğru, ancak derecelendirme hatalı.”
Uyarı Yorgunluğu (Alert Fatigue) ve Çözümleri
incremental - Problem: Model çok fazla yanlış pozitif sonuç ürettiğinde, patologlar zamanla bu uyarılara karşı duyarsızlaşabilir ve gerçek pozitifleri de gözden kaçırabilir. - Çözüm 1: Güven Eşiğini (Confidence Threshold) Ayarlama: Sadece yüksek güven skoruna sahip sonuçları göster. Düşük güvenli sonuçları “isteğe bağlı” olarak sun. - Çözüm 2: Akıllı Gruplama: Benzer yanlış pozitifleri gruplayarak tek bir uyarı olarak sun. - Çözüm 3: Kullanıcı Odaklı Tasarım: Arayüzde uyarıların ne kadar rahatsız edici olduğunu patoloğun ayarlamasına izin ver (örn: sesli uyarı, yanıp sönen çerçeve vb.). - Amaç: Patoloğun dikkatini sadece en önemli ve en olası bulgulara çekmek.
Performance ve Usability
Loading time
<5 sn
Tile-based loading, caching
Pan/Zoom
Smooth (60 FPS)
GPU acceleration, WebGL
Annotation
Real-time
Local processing
Model inference
<1 dk/slide
GPU server, batch processing
Export
Multiple formats
PDF, CSV, JSON, GeoJSON
Örnek Arayüzler
QuPath
Open-source
Desktop application
Powerful scripting
Machine learning integration
Demo : QuPath.github.io
histai SPIDER
Web-based
Ready-to-use models
Visual interface
Demo video : YouTube
caMicroscope
Hekim-Mühendis UI/UX Tartışması
Hekim : “Çok karmaşık, ben sadece sonucu görmek istiyorum”
Mühendis : “Ama parametreleri ayarlamak isteyebilirsin”
Çözüm : Simple by default, advanced on demand
Mühendis : “Web arayüzü daha pratik”
Hekim : “Ama hastane bilgisayarında browser restriction var”
Çözüm : Hybrid çözüm (Web + Desktop seçeneği)
Accessibility ve Usability İlkeleri
Minimal öğrenme eğrisi : Sezgisel tasarım
Hızlı iş akışı : Keyboard shortcuts
Hata toleransı : Undo/redo, autosave
Clear feedback : Progress bar, notifications
Consistency : Standart UI patterns
Documentation : Tutorial, help menu
Deployment Stratejileri
On-premise
Kurum içi server
Veri güvenliği
Performans kontrolü
Yüksek maliyet (hardware)
Cloud-based
Scalable
Düşük başlangıç maliyeti
Remote access
Veri transfer challenge
Gelecek Trendler
AR/VR : Immersive pathology
Voice control : Hands-free annotation
Mobile app : Tablet support
Real-time collaboration : Multi-user sync
AI-assistant : Chatbot for queries
Arayüz tasarımı, modelin klinik adaptasyonundaki en kritik faktörlerden biridir. En iyi model bile kötü bir arayüzle kullanılamaz hale gelebilir.
Tartışma soruları: - Patoloji uzmanları yeni arayüzlere ne kadar hızlı adapte olur? - AI sonuçları nasıl gösterilmeli: Heatmap mi, contour mu, text rapor mu? - Feedback mekanizması nasıl tasarlanmalı ki patologlar gerçekten kullansın? - Web vs Desktop: Hangi durumda hangisi daha uygun? - Mobil cihazlarda WSI görüntüleme pratik mi?
Kolaylaştırıcı notları (arayüz/UX): - Görev seti: 5 temel görev (aç, zoom, işaretle, karşılaştır, export) için başarı ve süre ölçün. - Performans bütçeleri: açılış <5 sn, pan/zoom 60 FPS; bütçe aşımı için uyarılar. - Belirsizlik/abstain gösterimi: güven skoru, “no‑call” rozetleri ve ikinci okuma akışı. - Feedback kaydı: Doğru/yanlış işaretleri, serbest metin yorum; veri şeması ve anonimleştirme. - “Varsayılan basit, isteğe bağlı ileri” modları: kullanıcı profiline göre ayar setleri.