利用条件扩散概率模型刻画有丝分裂象的特征
计算机视觉与模式识别
2023-10-09 v1
摘要
组织学图像中的有丝分裂象检测是一项难以定义但具有临床意义的任务，其标签由病理学家的判读生成，且不存在“金标准”的独立真值。然而，众所周知，这些基于判读的标签往往不可靠，部分原因是专业水平差异和人的主观性。在本文中，我们的目标是从人类可解释的角度阐明有丝分裂标签的固有不确定性，并刻画有丝分裂象分类任务。我们训练了一个概率扩散模型，用于在给定有丝分裂标签条件下合成细胞核图像块。利用该模型，我们可以生成一系列对应于同一细胞核转变为有丝分裂状态的合成图像。这使我们能够识别与有丝分裂相关的不同图像特征，例如细胞质颗粒度、核密度、核不规则性以及细胞核与细胞体之间的高对比度。我们的方法为病理学家提供了一种新工具，用于解释和传达驱动识别有丝分裂象决策的特征。
引用
@article{arxiv.2310.03893,
title = {Characterizing the Features of Mitotic Figures Using a Conditional Diffusion Probabilistic Model},
author = {Cagla Deniz Bahadir and Benjamin Liechty and David J. Pisapia and Mert R. Sabuncu},
journal= {arXiv preprint arXiv:2310.03893},
year = {2023}
}
备注
Accepted for Deep Generative Models Workshop at Medical Image Computing and Computer Assisted Intervention (MICCAI) 2023