基于深度特征的跨切片配准
图像与视频处理
2022-04-27 v5 计算机视觉与模式识别
摘要
与单切片分析相比，跨切片图像分析通过分析不同生物标志物的表达提供额外信息。这些生物标志物染色切片被并排分析，揭示它们之间的未知关系。在切片制备过程中，组织切片相对于同一组织块的其它切片可能以任意方向放置。问题还因组织内容可能从一切片到下一切片发生变化以及某些切片上可能存在独特伪影而加剧。这使得在任一跨切片分析之前，将每个切片配准到同一组织块的参考切片成为重要的前置任务。我们提出一种基于深度特征的配准（DFBR）方法，利用数据驱动特征估计刚性变换。我们采用多阶段策略以提升配准质量。我们还开发了一种可视化工具，以不同放大倍率查看配准后的WSI对。借助该工具，可实时应用变换，无需生成金字塔形式的变换后源WSI。我们在COMET数据集上将数据驱动特征与手工特征的性能进行比较。我们的方法能以较低配准误差对齐图像。通常，非刚性配准的成功依赖于刚性配准的质量。为评估DFBR方法的有效性，我们将ANHIR冠军框架的前两步替换为我们的DFBR来配准挑战赛提供的图像对。修改后的框架产生了与挑战赛获胜团队相当的结果。
引用
@article{arxiv.2202.09971,
title = {Deep Feature based Cross-slide Registration},
author = {Ruqayya Awan and Shan E Ahmed Raza and Johannes Lotz and Nick Weiss and Nasir Rajpoot},
journal= {arXiv preprint arXiv:2202.09971},
year = {2022}
}