AGMDT：基于邻接引导多域迁移的肾脏组织学图像虚拟染色
图像与视频处理
2023-09-19 v2 计算机视觉与模式识别
摘要
肾脏病理作为肾病诊断的金标准，要求医生分别分析经 H&E 染色及 Masson、PASM、PAS 等特殊染色的一系列组织切片。这些特殊染色方法成本高、耗时长且难以在广泛使用中标准化，尤其在基层医院。监督学习方法的进展已实现 H&E 图像到特殊染色图像的虚拟转换，但训练所需的像素级对齐仍具挑战。相比之下，将不同染色视为不同风格迁移域的无监督学习方法可利用非配对数据，但忽略了空间域间相关性，从而降低了诊断中结构细节的可信度。本文提出一种新颖虚拟染色框架 AGMDT，通过避免像素级对齐同时利用相邻组织切片间的相关性将图像迁移至其他域。我们首先构建一个高质量多域肾脏组织学数据集，其中每例标本包含一系列不同方式染色的切片。基于此，所提 AGMDT 框架通过肾小球检测与二部图匹配在多域连续切片中发现块级对齐对，并利用此类相关性监督端到端模型进行多域染色变换。实验结果表明，所提 AGMDT 通过挖掘多域连续病理切片间相关性，在精确像素级对齐与非配对域迁移间取得良好平衡，并在定量指标与形态细节上均优于最先进方法。
引用
@article{arxiv.2309.06421,
title = {AGMDT: Virtual Staining of Renal Histology Images with Adjacency-Guided Multi-Domain Transfer},
author = {Tao Ma and Chao Zhang and Min Lu and Lin Luo},
journal= {arXiv preprint arXiv:2309.06421},
year = {2023}
}
备注
BMVC 2023