SIAN:用于多器官组织病理学图像合成的风格引导实例自适应归一化
图像与视频处理
2023-01-25 v2 计算机视觉与模式识别
机器学习
摘要
现有用于组织病理学图像合成的深度神经网络无法生成与不同器官对齐的图像风格,且不能产生聚类细胞核的准确边界。为解决这些问题,我们提出一种风格引导实例自适应归一化(SIAN)方法,为来自不同器官的组织病理学图像合成真实的颜色分布与纹理。SIAN 包含语义化、风格化、实例化和调制四个阶段。前两个阶段利用语义图和学到的图像风格向量合成图像语义与风格。实例化模块整合几何与拓扑信息并生成准确的细胞核边界。我们在多器官数据集上验证了所提方法,广泛的实验结果表明,相较于五种器官的四种 SOTA 方法,所提方法生成了更真实的组织病理学图像。通过将本方法合成图像加入模型训练,实例分割网络可达到 SOTA 性能。
引用
@article{arxiv.2209.02412,
title = {SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis},
author = {Haotian Wang and Min Xian and Aleksandar Vakanski and Bryar Shareef},
journal= {arXiv preprint arXiv:2209.02412},
year = {2023}
}