基于深度学习保留组织结构的组织病理冷冻切片超分辨率重建
图像与视频处理
2023-10-18 v1 计算机视觉与模式识别
机器学习
摘要
组织病理学在医学诊断中起着关键作用。与制备耗时较长的组织病理学永久切片相比，制备冷冻切片显著更快，并且可在手术期间进行，此时样本扫描时间应被优化。超分辨率技术允许以较低放大倍率对样本成像并节省扫描时间。在本文中，我们提出了一种用于组织病理冷冻切片超分辨率的新方法，重点在于实现更好的失真度量，而非追求可能损害关键诊断信息的照片真实感图像。我们的深度学习架构侧重于学习插值图像与真实图像之间的误差，从而生成高分辨率图像，同时保留关键图像细节，降低诊断误读风险。这是通过利用频域中的损失函数，对复杂高频分量的重建赋予更高权重来实现的。与现有方法相比，我们在结构相似性指数（SSIM）和峰值信噪比（PSNR）方面取得了显著改进，并且指出了在低分辨率冷冻切片图像中丢失的、影响病理医生临床决策的细节。我们的方法在提供更快速的冷冻切片成像、减少扫描次数同时保持样本高分辨率方面具有巨大潜力。
引用
@article{arxiv.2310.11112,
title = {Super resolution of histopathological frozen sections via deep learning preserving tissue structure},
author = {Elad Yoshai and Gil Goldinger and Miki Haifler and Natan T. Shaked},
journal= {arXiv preprint arXiv:2310.11112},
year = {2023}
}