基于提示混合的病理图像恢复
计算机视觉与模式识别
2025-03-18 v1 图像与视频处理
摘要
在数字病理学中，获取全焦图像对于高质量成像和高效的临床工作流程至关重要。传统扫描仪通过在不同深度的多个焦平面进行扫描然后进行合并来实现，这相对缓慢且常常难以处理复杂的组织散焦。当前主流的图像恢复技术提供了一种从单焦平面扫描中恢复高质量病理图像的手段。然而，现有的图像恢复方法并不充分，原因在于病理图像中复杂的散焦模式及其领域特定的语义复杂性。在本工作中，我们设计了一种两阶段恢复方案，将变换器与扩散模型级联，以分别利用它们在保持图像保真度和感知质量方面的优势。我们特别为两阶段方案提出了一种新颖的提示混合方法。给定初始提示以建模显微成像中的散焦，我们设计了两种提示，分别从病理基础模型描述高层图像语义，并通过边缘提取描述细粒度组织结构。我们证明，通过将提示混合输入我们的方法，可以从单焦平面扫描中恢复高质量的病理图像，表明提示混合在临床应用中具有巨大潜力。代码将在 https://github.com/caijd2000/MoP 公开。
引用
@article{arxiv.2503.12399,
title = {Pathology Image Restoration via Mixture of Prompts},
author = {Jiangdong Cai and Yan Chen and Zhenrong Shen and Haotian Jiang and Honglin Xiong and Kai Xuan and Lichi Zhang and Qian Wang},
journal= {arXiv preprint arXiv:2503.12399},
year = {2025}
}