基于扩散的全切片组织病理学图像十亿像素尺度生成
图像与视频处理
2023-11-15 v1 计算机视觉与模式识别
机器学习
摘要
我们提出了一种基于扩散的新方法,以前所未有的十亿像素(gigapixel)尺度生成合成的组织病理学全切片图像(WSI)。合成 WSI 有许多潜在应用:它们可以扩充训练数据集以提升许多计算病理学应用的性能;它们允许创建可在不违反隐私法规的情况下共享的合成数据集副本;或者它们可以在无需数据标注的情况下促进 WSI 的表示学习。尽管有如此多样的应用,现有基于深度学习的方法均无法以其典型的高分辨率生成 WSI,主要由于计算复杂度过高。因此,我们提出了一种从粗到细的采样方案来应对高分辨率 WSI 的图像生成。在该方案中,我们将初始低分辨率图像提升至高分辨率 WSI。具体而言,扩散模型 sequentially 向图像添加精细细节并提升其分辨率。在我们的实验中,我们使用来自 TCGA-BRCA 数据集的 WSI 训练我们的方法。除定量评估外,我们还进行了由病理学家参与的用户研究。研究结果表明,我们生成的 WSI 类似于真实 WSI 的结构。
引用
@article{arxiv.2311.08199,
title = {Diffusion-based generation of Histopathological Whole Slide Images at a Gigapixel scale},
author = {Robert Harb and Thomas Pock and Heimo Müller},
journal= {arXiv preprint arXiv:2311.08199},
year = {2023}
}