小样本设置下基于生成对抗网络的显微镜与磁共振成像间的风格迁移
图像与视频处理
2025-08-13 v3 计算机视觉与模式识别
摘要
基于同一组织样本的磁共振成像（MRI）与显微成像的跨模态增强具有前景，因为它可在无需 underlying 侵入性活检程序的情况下进行组织病理学分析。在此，我们测试了一种使用条件生成对抗网络（cGAN）架构从人胼胝体 MRI 扫描生成显微组织学图像的方法。据我们所知，这是首次将脑 MRI 多模态翻译为同一样本的组织学体积表示。该技术通过训练成对图像翻译模型进行评估，模型以 MRI 扫描与显微镜图像集为输入。为此使用 cGAN 具有挑战性，因为显微图像尺寸大且通常样本可用性低。当前工作表明，该框架能从胼胝体 MRI 扫描可靠合成组织学图像，强调了网络在配对高分辨率组织学与相对较低分辨率 MRI 扫描上训练的能力。以避免活检为最终目标，所提出的工具可用于教育目的。
引用
@article{arxiv.2310.10414,
title = {Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings},
author = {Monika Pytlarz and Adrian Onicas and Alessandro Crimi},
journal= {arXiv preprint arXiv:2310.10414},
year = {2025}
}
备注
2023 IEEE International Conference on Image Processing (ICIP)