StainFuser：控制扩散以实现多吉像素组织学图像的快速神经风格迁移
图像与视频处理
2024-07-15 v2 计算机视觉与模式识别
机器学习
摘要
染色归一化算法旨在变换源多吉像素组织学图像的颜色和强度特征，以匹配目标图像，从而减轻用于突出显示组织学图像中细胞组成部分的染色外观不一致性。我们提出了一种新方法 StainFuser，将此问题视为样式迁移任务，采用一种 novel Conditional Latent Diffusion 架构，消除对手工颜色组件的需求。通过该方法，我们精选了 SPI-2M 该数据集是迄今为止规模最大的染色归一化数据集，包含超过 200 万张组织学图像，进行神经样式迁移以实现高质量转换。在该数据上训练的 StainFuser 在归一化图像质量和在 CoNIC 数据集上进行下游模型性能方面均优于当前 state-of-the-art 深度学习和手工方法。
引用
@article{arxiv.2403.09302,
title = {StainFuser: Controlling Diffusion for Faster Neural Style Transfer in Multi-Gigapixel Histology Images},
author = {Robert Jewsbury and Ruoyu Wang and Abhir Bhalerao and Nasir Rajpoot and Quoc Dang Vu},
journal= {arXiv preprint arXiv:2403.09302},
year = {2024}
}