利用核注意力的永久组织切片引导下增强冻结组织切片图像
图像与视频处理
2024-11-12 v1 人工智能
计算机视觉与模式识别
定量方法
摘要
在组织病理学中，冻结切片常用于手术期间快速诊断，因为它们可在几分钟内制作。然而，它们常受制于制件和缺乏至关重要的诊断细节，尤其是在细胞核区域。相比之下，永久切片包含更多诊断细节，但需要耗时的制备过程。本文提出一种生成式深度学习方法，通过利用来自永久切片的指导来增强冻结切片图像。该方法强调核区域，这在冻结切片和永久切片中都包含关键信息。重要的是，我们的方法避免在空白区域生成人工数据，确保网络仅增强现有特征而不会引入可能不可靠的信息。我们通过采用核分割图像进行训练，并添加额外损失函数来细化生成的永久图像中的核细节。我们在 various组织 (包括肾脏、乳腺和结肠) 上进行了验证。该方法显著提高了组织效率和诊断准确性，在几秒钟内增强冻结切片图像，并无缝集成到现有实验室工作流程中。
引用
@article{arxiv.2411.06583,
title = {Enhancing frozen histological section images using permanent-section-guided deep learning with nuclei attention},
author = {Elad Yoshai and Gil Goldinger and Miki Haifler and Natan T. Shaked},
journal= {arXiv preprint arXiv:2411.06583},
year = {2024}
}