利用深度卷积特征基于上下文的组织学染色标准化
计算机视觉与模式识别
2017-08-15 v1
摘要
尽管人类观察者能够应对组织学染色在颜色和外观上的变化，但数字病理学算法通常需要良好的标准化设置才能达到最佳性能，尤其是在可用的标注数据有限时。本研究提供了一种完全自动化的、端到端的基于学习的组织学染色标准化设置，该设置考虑了组织的纹理上下文。我们引入了特征感知标准化（Feature Aware Normalization），它扩展了批标准化框架，并结合 Long Short-Term Memory 单元的门控元素，用于不同空间感兴趣区域之间的标准化。通过引入预训练的深度神经网络作为特征提取器来驱动像素级处理流水线，我们实现了出色的标准化结果，并确保了颜色和纹理表示的一致性。评估包括对颜色直方图偏差的比较、结构相似性，以及测量不同方法获得的颜色体积。
引用
@article{arxiv.1708.04099,
title = {Context-based Normalization of Histological Stains using Deep Convolutional Features},
author = {Daniel Bug and Steffen Schneider and Anne Grote and Eva Oswald and Friedrich Feuerhake and Julia Schüler and Dorit Merhof},
journal= {arXiv preprint arXiv:1708.04099},
year = {2017}
}
备注
In: 3rd Workshop on Deep Learning in Medical Image Analysis (DLMIA 2017)