组织病理学染色转移中图像到图像翻译方法的比较评估
图像与视频处理
2023-04-07 v2 计算机视觉与模式识别
机器学习
摘要
图像到图像翻译（I2I）方法允许生成与原始图像内容相同但风格不同的合成图像。随着基于生成对抗网络（GANs）的方法的进步，I2I 方法使得生成与自然图像无法区分的合成图像成为可能。最近，I2I 方法也被用于组织病理学中，从不同染色类型生成计算机模拟染色组织的人工图像。我们将此过程称为染色转移。I2I 变体的数量不断增加，这使得对染色转移最合适 I2I 方法进行充分合理的选择具有挑战性。在我们的工作中，我们比较了十二种染色转移方法，其中三种基于传统图像处理方法，九种基于 GAN 的图像处理方法。该分析依赖于用于图像翻译质量的互补定量度量、基于深度学习的组织分级适用性评估，以及病理学家的视觉评估。我们的研究突出了染色转移方法的优势与弱点，从而允许对底层 I2I 算法进行理性选择。用于 H&E 和 Masson 三色染色之间染色转移的代碼、数据和训练模型将在线提供。
引用
@article{arxiv.2303.17009,
title = {A comparative evaluation of image-to-image translation methods for stain transfer in histopathology},
author = {Igor Zingman and Sergio Frayle and Ivan Tankoyeu and Segrey Sukhanov and Fabian Heinemann},
journal= {arXiv preprint arXiv:2303.17009},
year = {2023}
}
备注
17 pages, 3 figures, 5 tables, accepted to Medical Imaging with Deep Learning (MIDL) 2023, to be published in Proceedings of Machine Learning Research