基于变分自编码器的图像压缩实现癌症组织病理切片临床相关潜空间嵌入
图像与视频处理
2024-01-08 v1 计算机视觉与模式识别
定量方法
摘要
在本文中，我们介绍了一种基于变分自编码器（VAE）的训练方法，能够以1:512的压缩比对癌症病理切片进行压缩与解压缩，优于文献中先前报道的最先进（SOTA）方法，同时在临床验证任务中保持准确性。该压缩方法在CIFAR10等更常见的计算机视觉数据集上进行了测试，我们探究了哪些图像特征使得该压缩比在癌症影像数据上可行而在通用图像上不可行。我们生成并可视化了来自压缩潜空间的嵌入，展示了它们如何有助于数据的临床解读，以及未来此类潜嵌入如何用于加速临床影像数据的检索。
引用
@article{arxiv.2303.13332,
title = {Clinically Relevant Latent Space Embedding of Cancer Histopathology Slides through Variational Autoencoder Based Image Compression},
author = {Mohammad Sadegh Nasr and Amir Hajighasemi and Paul Koomey and Parisa Boodaghi Malidarreh and Michael Robben and Jillur Rahman Saurav and Helen H. Shang and Manfred Huber and Jacob M. Luber},
journal= {arXiv preprint arXiv:2303.13332},
year = {2024}
}