基于深度学习的用于人冠状动脉成像的结构约束虚拟组织学染色
图像与视频处理
2022-11-15 v1 计算机视觉与模式识别
摘要
组织病理学分析在冠状动脉疾病（CAD）的动脉表征中至关重要。然而，组织学需要一个侵入性且耗时的过程。在本文中，我们提出使用光学相干断层扫描（OCT）图像生成虚拟组织学染色，以实现实时组织学可视化。我们开发了一个深度学习网络，即 Coronary-GAN，将冠状动脉 OCT 图像转换为虚拟组织学图像。通过对冠状动脉 OCT 图像中结构约束的特别考虑，我们的方法比传统的基于 GAN 的方法取得了更好的图像生成性能。实验结果表明，Coronary-GAN 生成的虚拟组织学图像与真实组织学图像相似，揭示了人冠状动脉的各层结构。
引用
@article{arxiv.2211.06737,
title = {Structural constrained virtual histology staining for human coronary imaging using deep learning},
author = {Xueshen Li and Hongshan Liu and Xiaoyu Song and Brigitta C. Brott and Silvio H. Litovsky and Yu Gan},
journal= {arXiv preprint arXiv:2211.06737},
year = {2022}
}
备注
5 pages, 5 figures, submitted to IEEE ISBI