用于组织病理学图像分析的染色自适应自监督学习
图像与视频处理
2022-08-09 v1 计算机视觉与模式识别
摘要
学界普遍认识到，由染色差异引起的颜色变化是组织病理学图像分析中的关键问题。现有方法采用颜色匹配、染色分离、染色迁移或它们的组合来缓解染色变化问题。本文提出一种新颖的染色自适应自监督学习（SASSL）方法用于组织病理学图像分析。我们的 SASSL 将域对抗训练模块集成到 SSL 框架中，以学习对多种变换与染色变化均鲁棒的独特特征。所提 SASSL 被视为一种用于域不变特征提取的通用方法，可通过针对特定下游任务微调特征，灵活地与任意下游组织病理学图像分析模块（如细胞核/组织分割）结合。我们在公开可用的病理图像分析数据集（包括 PANDA、BreastPathQ 与 CAMELYON16 数据集）上开展实验，取得了最先进的性能。实验结果表明，所提方法能鲁棒地提升模型的特征提取能力，并在下游任务中实现稳定的性能改进。
引用
@article{arxiv.2208.04017,
title = {Stain-Adaptive Self-Supervised Learning for Histopathology Image Analysis},
author = {Hai-Li Ye and Da-Han Wang},
journal= {arXiv preprint arXiv:2208.04017},
year = {2022}
}
备注
16 pages, 8 figures, 7 table, 10 equality