基于结构保持生成学习的组织病理学图像染色风格迁移
图像与视频处理
2020-07-27 v1 计算机视觉与模式识别
机器学习
摘要
计算组织病理学图像诊断正变得日益流行和重要，其中图像由计算机进行分割或分类以用于疾病诊断。虽然病理学家不受切片颜色变化的影响，但计算解决方案通常受此关键问题困扰。为解决组织病理学图像中的颜色变化问题，本研究基于生成对抗网络提出了两种染色风格迁移模型：SSIM-GAN 和 DSCSI-GAN。通过学习中的结构保持度量与辅助诊断网络的反馈协同作用，由图像纹理、结构和色度对比度特征呈现的医学相关信息在颜色归一化图像中得到保留。特别是，我们的 DSCSI-GAN 模型中对彩色图像内容的巧妙处理，有助于在因组织物质共定位而导致染色混合的图像区域实现显著的归一化改进。在公开组织病理学图像集上的大量实验表明，我们的方法在生成染色更一致的图像、更好地保留图像中的组织学信息以及获得显著更高的学习效率方面优于现有技术。我们的 Python 实现已发布在 https://github.com/hanwen0529/DSCSI-GAN。
引用
@article{arxiv.2007.12578,
title = {Stain Style Transfer of Histopathology Images Via Structure-Preserved Generative Learning},
author = {Hanwen Liang and Konstantinos N. Plataniotis and Xingyu Li},
journal= {arXiv preprint arXiv:2007.12578},
year = {2020}
}