使用非配对 GAN 的组织学图像可编辑染色转换
图像与视频处理
2023-12-07 v1 计算机视觉与模式识别
机器学习
摘要
组织病理学中的双重染色，特别是针对化生性乳腺癌，通常采用 H&E 和 P63 染料。然而，P63 对组织的损伤及高昂的成本促使人们寻找替代方法。本研究引入了 xAI-CycleGAN，这是一种结合了 Mask CycleGAN、可解释性特征与结构保持能力的高级架构，用于将 H&E 染色的乳腺组织图像转换为 P63 样图像。该架构允许对输出进行编辑，增强与实际图像的相似度并支持进一步的模型优化。我们展示了 xAI-CycleGAN 在保持结构完整性和生成高质量图像方面的有效性。此外，组织病理学家的调查表明，生成图像的真实感通常与实际图像相当，验证了我们模型的高质量输出。
引用
@article{arxiv.2312.03647,
title = {Editable Stain Transformation Of Histological Images Using Unpaired GANs},
author = {Tibor Sloboda and Lukáš Hudec and Wanda Benešová},
journal= {arXiv preprint arXiv:2312.03647},
year = {2023}
}
备注
13 pages, 5 figures, AIRCAD ICIAP 2023 in Udine