用于组织病理学图像合成的多属性可控生成模型
图像与视频处理
2021-11-15 v1 计算机视觉与模式识别
摘要
生成模型已应用于医学影像领域的各种图像识别与合成任务。然而，对于辅助医学训练等重要应用而言，一个更可控且可解释的图像合成模型仍然缺失且必要。本工作中，我们利用高效自注意力与对比学习模块，并基于最先进的生成对抗网络（GANs）构建了一个属性感知的图像合成模型，称为 AttributeGAN，其可基于多属性输入生成高质量组织病理学图像。与现有的单属性条件生成模型相比，我们提出的模型更好地反映输入属性，并实现属性值间更平滑的插值。我们在一个包含尿路上皮癌 H&E 染色图像的组织病理学数据集上进行实验，并通过与最先进模型及我们模型的不同变体的全面定量与定性比较，证明了所提模型的有效性。代码见 https://github.com/karenyyy/MICCAI2021AttributeGAN。
引用
@article{arxiv.2111.06398,
title = {A Multi-attribute Controllable Generative Model for Histopathology Image Synthesis},
author = {Jiarong Ye and Yuan Xue and Peter Liu and Richard Zaino and Keith Cheng and Xiaolei Huang},
journal= {arXiv preprint arXiv:2111.06398},
year = {2021}
}
备注
MICCAI 2021