DSA-CycleGAN：用于鲁棒多染色胶原囊肌分割的数据迁移感知 CycleGAN
计算机视觉与模式识别
2026-04-21 v1
摘要
数字组织学切片分割中的一个关键挑战是染色间和染色内变异，这会降低模型性能。对每种染色进行标注需要大量时间和成本，因此开发了使用 CycleGAN 实现染色迁移的方法，利用单一染色标签训练多染色分割模型。然而，CycleGAN 由于某些染色对的单向多性，倾向于在转换过程中引入噪声，这与其循环一致性损失相冲突。为此，我们提出了具有数据迁移感知的 CycleGAN（DSA-CycleGAN），以减少此类噪声的存在。此外，我们评估了机器学习领域的几项进展，旨在解决类似问题，并将其效果与 DSA-CycleGAN 在多染色胶原囊肌分割上下文中的比较。实验表明，DSA-CycleGAN不仅提高了胶原囊肌分割的性能，而且在减少噪声方面优于其他方法。这在生物学上差异较大的染色之间尤为明显。代码已公开于 https://github.com/zeeshannisar/DSA-CycleGAN。
引用
@article{arxiv.2604.18368,
title = {DSA-CycleGAN: A Domain Shift Aware CycleGAN for Robust Multi-Stain Glomeruli Segmentation},
author = {Zeeshan Nisar and Friedrich Feuerhake and Thomas Lampert},
journal= {arXiv preprint arXiv:2604.18368},
year = {2026}
}