Histopathology DatasetGAN: 合成大分辨率组织病理学数据集
图像与视频处理
2022-07-07 v1 计算机视觉与模式识别
机器学习
摘要
自监督学习 (SSL) 方法使得越来越多的深度学习模型能够在难以获取标签的领域内的图像数据集上进行训练。然而，这些方法难以扩展到医学图像数据集的高分辨率场景，而在此类场景中，它们对于在标签稀缺的医学图像数据集上实现良好的泛化能力至关重要。在本工作中，我们提出了 Histopathology DatasetGAN (HDGAN) 框架，这是 DatasetGAN 半监督框架（用于图像生成和分割）的扩展，能够很好地扩展到大分辨率组织病理学图像。我们对原始框架进行了多项改进，包括更新生成主干网络、选择性地从生成器中提取潜在特征，以及切换到内存映射数组。这些改动减少了该框架的内存消耗，提升了其在医学成像领域的适用性。我们在血栓性微血管病高分辨率切片数据集上对 HDGAN 进行了评估，展示了其在高分辨率图像标注生成任务上的优异性能。我们希望这项工作能促进深度学习模型在医学数据集上的更多应用，并鼓励在医学成像领域内对自监督框架进行更多探索。
引用
@article{arxiv.2207.02712,
title = {Histopathology DatasetGAN: Synthesizing Large-Resolution Histopathology Datasets},
author = {S. A. Rizvi and P. Cicalese and S. V. Seshan and S. Sciascia and J. U. Becker and H. V. Nguyen},
journal= {arXiv preprint arXiv:2207.02712},
year = {2022}
}
备注
5 pages, 2 figures, 1 table. Submitted to IEEE SPMB conference