基于自监督语义引导的组织结构保持组织病理学图像染色归一化
图像与视频处理
2021-06-04 v3 计算机视觉与模式识别
摘要
尽管基于生成对抗网络(GAN)的风格迁移是组织病理学颜色染色归一化的最先进方法，它们并未显式整合组织的结构信息。我们提出一种自监督方法，将语义引导整合进基于GAN的染色归一化框架中并保持详细结构信息。我们的方法不需要手动分割图，这是相对于现有方法的显著优势。我们在预训练语义网络与染色颜色归一化网络之间的不同层整合语义信息。所提方案优于其他颜色归一化方法，带来了更好的分类与分割性能。
引用
@article{arxiv.2008.02101,
title = {Structure Preserving Stain Normalization of Histopathology Images Using Self-Supervised Semantic Guidance},
author = {Dwarikanath Mahapatra and Behzad Bozorgtabar and Jean-Philippe Thiran and Ling Shao},
journal= {arXiv preprint arXiv:2008.02101},
year = {2021}
}