生成对抗网络在数字病理中的应用：趋势与未来潜力综述
图像与视频处理
2020-05-08 v2 计算机视觉与模式识别
机器学习
摘要
数字病理领域的图像分析近期获得了日益增长的关注。高质量全切片扫描仪的使用使得能够快速获取大量图像数据，同时展现广泛的上下文与微观细节。与此同时，新颖的机器学习算法提升了图像分析方法的性能。在本文中，我们聚焦于一类特别强大的架构，称为生成对抗网络（GAN），应用于组织学图像数据。除提升性能外，GAN 还实现了该领域先前难以处理的的应用场景。然而，GAN 可能展现出引入偏倚的潜力。据此，我们以泛化记号总结近期最先进进展，介绍 GAN 的主要应用，并展望若干选定有前景的方法及其可能的未来应用。此外，我们识别出当前尚不可用但具未来应用潜力的方法。
引用
@article{arxiv.2004.14936,
title = {Generative Adversarial Networks in Digital Pathology: A Survey on Trends and Future Potential},
author = {Maximilian Ernst Tschuchnig and Gertie Janneke Oostingh and Michael Gadermayr},
journal= {arXiv preprint arXiv:2004.14936},
year = {2020}
}