图像到图像翻译的新应用：从单张图像学习的染色体拉直框架
计算机视觉与模式识别
2021-10-20 v3 人工智能
摘要
在医学影像中，染色体拉直在染色体的病理学研究以及细胞遗传学图谱的绘制中起着重要作用。尽管存在不同的拉直方法，通常使用几何算法，其输出具有锯齿状边缘或条带模式不连续的片段。为解决几何算法的缺陷，我们提出了一种基于图像到图像翻译的新框架，以学习相关映射依赖关系，从而合成具有连续条带模式且细节得以保留的拉直染色体。此外，为避免输入染色体不足的缺陷，我们仅使用一张弯曲染色体图像构建增强数据集用于训练模型。基于此框架，我们应用两种流行的图像到图像翻译架构，即 U 形网络与条件生成对抗网络，以评估其效能。在由 642 张真实染色体组成的数据集上的实验表明，与几何方法相比，我们的框架在拉直性能上更优，能呈现真实且连续的染色体细节。此外，我们的拉直结果将染色体分类的平均准确率提高了 0.98%–1.39%。
引用
@article{arxiv.2103.02835,
title = {A Novel Application of Image-to-Image Translation: Chromosome Straightening Framework by Learning from a Single Image},
author = {Sifan Song and Daiyun Huang and Yalun Hu and Chunxiao Yang and Jia Meng and Fei Ma and Frans Coenen and Jiaming Zhang and Jionglong Su},
journal= {arXiv preprint arXiv:2103.02835},
year = {2021}
}
备注
This work has been accepted by CISP-BMEI2021