基于染色解卷积的HE染色组织学图像学习式压缩
图像与视频处理
2024-06-19 v1 计算机视觉与模式识别
摘要
处理组织学全切片图像（WSI）导致全球临床工作需要巨大的存储空间。即使在图像采集时进行有损压缩，仍常需要进一步进行有损压缩，而不会显著影响基于深度学习的下游任务性能。本文表明常用的JPEG算法不适用于进一步压缩，我们提出了一种新颖的基于深度学习的方法——染色定量潜在压缩（SQLC）。SQLC在将染色和RGB通道压缩后，通过压缩自编码器（CAE）获得量化潜在表示，以实现最大压缩。我们表明，该方法在分类下游任务上优于传统方法如JPEG，而多尺度结构相似性指数（MS-SSIM）等图像质量指标基本得到保持。该方法已在线发布。
引用
@article{arxiv.2406.12623,
title = {Learned Image Compression for HE-stained Histopathological Images via Stain Deconvolution},
author = {Maximilian Fischer and Peter Neher and Tassilo Wald and Silvia Dias Almeida and Shuhan Xiao and Peter Schüffler and Rickmer Braren and Michael Götz and Alexander Muckenhuber and Jens Kleesiek and Marco Nolden and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2406.12623},
year = {2024}
}