RestainNet：一种用于染色归一化的自监督数字重染色器
图像与视频处理
2022-03-01 v1 计算机视觉与模式识别
摘要
颜色不一致是计算病理学中的一个不可避免的挑战，通常由于染色强度变化或由不同扫描仪扫描切片引起。它会损害病理图像分析方法，尤其是基于学习的模型。已有大量方法被提出用于染色归一化。然而，它们大多在实践中缺乏灵活性。本文将染色归一化表述为一个数字重染色过程，并提出了一种称为RestainNet的自监督学习模型。我们的网络被视为一个数字染色器，学习如何对未染色（灰度）图像进行重染色。通过Beer-Lambert定律从原始图像中提取两种数字染色，即苏木精（H）和伊红（E）。我们提出了一种染色损失以维持重染色过程中染色强度的正确性。得益于自监督特性，配对训练样本不再必要，这在实际应用中展现出极大的灵活性。我们的RestainNet在颜色正确性和结构保持方面优于现有方法并达到最先进的性能。我们进一步在分割和分类任务上进行了实验，所提出的RestainNet相比SOTA方法取得了优异性能。自监督设计使网络无需额外工作即可学习任意染色风格。
引用
@article{arxiv.2202.13804,
title = {RestainNet: a self-supervised digital re-stainer for stain normalization},
author = {Bingchao Zhao and Jiatai Lin and Changhong Liang and Zongjian Yi and Xin Chen and Bingbing Li and Weihao Qiu and Danyi Li and Li Liang and Chu Han and Zaiyi Liu},
journal= {arXiv preprint arXiv:2202.13804},
year = {2022}
}