组织病理学图像中的伪影去除
图像与视频处理
2022-12-19 v2 计算机视觉与模式识别
摘要
在组织病理学的临床环境中，全切片图像（WSI）伪影频繁出现，扭曲感兴趣区域，并对 WSI 分析产生有害影响。诸如 CycleGAN 之类的图像到图像翻译网络原则上能够从非配对数据中学习伪影去除函数。然而，我们识别出伪影去除中的一个满射问题，并提出对 CycleGAN 的弱监督扩展来解决它。我们组装了一个泛癌数据集，包含来自 TCGA 数据库的伪影和干净图块。有前景的结果突显了我们方法的合理性。
引用
@article{arxiv.2211.16161,
title = {Artifact Removal in Histopathology Images},
author = {Cameron Dahan and Stergios Christodoulidis and Maria Vakalopoulou and Joseph Boyd},
journal= {arXiv preprint arXiv:2211.16161},
year = {2022}
}
备注
Corrected typos, small modification of Figure 1 (+ reflected in Section 2.1), results unchanged