用于结直肠组织病理学图像数据增强的生成式图像翻译
图像与视频处理
2019-10-15 v1 计算机视觉与模式识别
摘要
我们提出一种图像翻译方法，用于生成增强数据以缓解结直肠息肉（若不经治疗可发展为结直肠癌的腺瘤性肿瘤）组织病理学图像数据集中的数据不平衡。通过将循环一致生成对抗网络（CycleGANs）应用于正常结肠黏膜图像这一源域，我们生成属于诊断上较少见的息肉类的合成结直肠息肉图像。生成图像保持其源图像的总体结构，但呈现出腺瘤性特征，这些特征可通过我们提出的称为 Path-Rank-Filter 的滤波模块加以增强。我们通过由四位胃肠病理学家参与的图灵测试评估生成图像的质量，发现四位病理学家中至少两位在统计显著水平上无法识别生成图像。最后，我们证明使用 CycleGAN 生成的图像来增强训练数据，可将用于检测无蒂锯齿状腺瘤的卷积神经网络的 AUC 提高超过 10%，这表明我们的方法可能值得针对其他组织病理学图像分类任务开展进一步研究。
引用
@article{arxiv.1910.05827,
title = {Generative Image Translation for Data Augmentation in Colorectal Histopathology Images},
author = {Jerry Wei and Arief Suriawinata and Louis Vaickus and Bing Ren and Xiaoying Liu and Jason Wei and Saeed Hassanpour},
journal= {arXiv preprint arXiv:1910.05827},
year = {2019}
}
备注
NeurIPS 2019 Machine Learning for Health Workshop Full Paper (19/111 accepted papers = 17% acceptance rate)