CellGAN：用于增强细胞病理图像分类的条件式宫颈细胞合成
计算机视觉与模式识别
2023-07-13 v1 图像与视频处理
摘要
薄层液基细胞学检测(TCT)涂片的自动检查可辅助病理学家发现宫颈异常，以实现准确高效的癌症筛查。当前方案多需定位可疑细胞并基于局部块分类异常，因TCT全切片图像极大。因而需要大量正常与异常宫颈细胞标注以监督块级分类器训练从而获得良好性能。本文提出CellGAN合成各类宫颈细胞类型的细胞病理图像，以增强块级细胞分类。CellGAN基于轻量骨干网络，配备非线性类映射网络以有效将细胞类型信息融入图像生成。我们还提出跳跃层全局上下文模块建模细胞间复杂空间关系，并通过对抗学习获得高保真合成图像。实验表明CellGAN能为不同细胞类型生成视觉可信的TCT细胞病理图像。我们也验证了利用CellGAN大幅增强块级细胞分类性能的有效性。
引用
@article{arxiv.2307.06182,
title = {CellGAN: Conditional Cervical Cell Synthesis for Augmenting Cytopathological Image Classification},
author = {Zhenrong Shen and Maosong Cao and Sheng Wang and Lichi Zhang and Qian Wang},
journal= {arXiv preprint arXiv:2307.06182},
year = {2023}
}