面向数字病理学的快速 GPU 加速颜色归一化
计算机视觉与模式识别
2019-01-11 v1
摘要
由于染色过程和扫描仪响应的差异而产生的不必要颜色变化，经证实有助于计算病理学中的机器学习。在几种流行的颜色归一化技术中，结构保持颜色归一化（SPCN）动机充分、测试令人信服，并随代码库公开发布。然而，SPCN 在颜色基估计中偶尔出错，导致诸如在染色之间交换颜色基向量或给无组织的背景染上色调等伪影。我们做了若干算法改进以消除这些伪影。此外，原始 SPCN 代码由于运行时间长、使用专有软件平台和库，以及无法自动处理全切片图像（WSIs），不能即用于十亿像素级全切片图像。我们完全重写了软件，使其能自动处理流行 WSI 格式下任意大小的图像。我们的软件利用 GPU 加速和随着深度学习兴起而变得普遍的开源库。我们还做了若干其他小改进，并在十亿像素图像上实现了多倍的整体加速。我们的算法和软件可被计算病理学社区开箱即用。
引用
@article{arxiv.1901.03088,
title = {Fast GPU-Enabled Color Normalization for Digital Pathology},
author = {Goutham Ramakrishnan and Deepak Anand and Amit Sethi},
journal= {arXiv preprint arXiv:1901.03088},
year = {2019}
}