基于深度学习网络的显微病理图像盲去模糊
图像与视频处理
2020-11-25 v1 计算机视觉与模式识别
机器学习
摘要
人工智能(AI)赋能的病理诊断是数字病理领域的革命性一步，在提升诊断精度与效率方面展现出巨大潜力。然而，离焦与运动模糊会掩盖组织或细胞特征，从而损害AI算法分析图像的精度与鲁棒性。本文提出一种基于深度学习的方法，可在无需模糊类型、模糊程度及病理染色先验知识的情况下，减轻显微图像的离焦与运动模糊，并输出细节恢复、更清晰干净的图像。该方法首先训练一个深度学习分类器识别图像模糊类型，随后训练两个编码器-解码器网络，单独或组合使用以对输入图像去模糊。这是一种端到端方法，且不像传统盲去卷积方法那样引入波纹状伪影。我们在不同类型病理标本上测试了该方法，并展示了其在图像模糊校正及后续改善AI算法诊断结果方面的优异性能。
引用
@article{arxiv.2011.11879,
title = {Blind deblurring for microscopic pathology images using deep learning networks},
author = {Cheng Jiang and Jun Liao and Pei Dong and Zhaoxuan Ma and De Cai and Guoan Zheng and Yueping Liu and Hong Bu and Jianhua Yao},
journal= {arXiv preprint arXiv:2011.11879},
year = {2020}
}