基于图像翻译的免疫组化图像细胞核分割
计算机视觉与模式识别
2022-08-15 v1 机器学习
图像与视频处理
摘要
已有大量基于深度学习的方法用于H&E图像的细胞核分割，并达到了接近人类的性能。然而，此类方法直接应用于另一模态图像（如免疫组化（IHC）图像）时，可能无法取得令人满意的性能。为此，我们提出了一种基于生成对抗网络（GAN）的方法，在保留细胞核位置与形态的同时将IHC图像翻译为H&E图像，然后将预训练的细胞核分割模型应用于该虚拟H&E图像。我们证明，所提方法优于多种基线方法，包括直接应用最先进的细胞核分割方法（如基于H&E训练的Cellpose和HoVer-Net）以及一种生成式方法DeepLIIF，使用的评测数据为两个公开IHC图像数据集。
引用
@article{arxiv.2208.06202,
title = {Image Translation Based Nuclei Segmentation for Immunohistochemistry Images},
author = {Roger Trullo and Quoc-Anh Bui and Qi Tang and Reza Olfati-Saber},
journal= {arXiv preprint arXiv:2208.06202},
year = {2022}
}