利用 PathologyGAN 学习真实癌症组织的低维流形
图像与视频处理
2020-04-15 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
深度学习在数字病理学中的应用在改善疾病诊断与理解方面展现出前景。我们提出一种深度生成模型，该模型学习模拟高保真癌症组织图像，同时将真实图像映射到可解释的低位潜在空间。该模型的关键在于由先前开发的生成对抗网络 PathologyGAN 训练的编码器。我们使用来自两个乳腺癌队列的 249K 图像研究该潜在空间。我们发现潜在空间编码了组织的形态学特征（例如癌症、淋巴细胞和基质细胞的模式）。此外，潜在空间揭示了高风险患者组中明显富集的组织结构簇。
引用
@article{arxiv.2004.06517,
title = {Learning a low dimensional manifold of real cancer tissue with PathologyGAN},
author = {Adalberto Claudio Quiros and Roderick Murray-Smith and Ke Yuan},
journal= {arXiv preprint arXiv:2004.06517},
year = {2020}
}