使用 U-Net 的 H&E 染色归一化
图像与视频处理
2022-11-11 v1 计算机视觉与模式识别
摘要
我们提出了一种基于改进的 U-Net 神经网络架构的新型苏木精-伊红（H&E）染色归一化方法。不同于以往通常基于生成对抗网络（GANs）的深度学习方法，我们采用师生方法，并使用由训练好的 CycleGAN 生成的配对数据集来训练 U-Net 以执行染色归一化任务。通过实验，我们将我们的方法与两种最近的竞争方法 CycleGAN 和 StainNet（一种同样基于师生模型的轻量级方法）进行了比较。我们发现，与 CycleGAN 相比，我们的方法速度更快，并且能够以更好的质量处理更大的图像。我们还与 StainNet 进行了比较，发现我们的方法在定量和定性上均提供了更好的结果。
引用
@article{arxiv.2211.05420,
title = {H&E Stain Normalization using U-Net},
author = {Chi-Chen Lee and Po-Tsun Paul Kuo and Chi-Han Peng},
journal= {arXiv preprint arXiv:2211.05420},
year = {2022}
}
备注
Accepted to The 22nd IEEE International Conference on BioInformatics and BioEngineering (BIBE), 2022