用于增强宫颈异常筛查的两阶段细胞病理图像合成
计算机视觉与模式识别
2024-02-27 v2
摘要
自动液基细胞学检测（TCT）筛查可以辅助病理学家发现宫颈异常，从而实现准确高效的宫颈癌诊断。当前的自动 TCT 筛查系统大多涉及异常宫颈细胞检测，这通常需要大规模、多样化且具有高质量标注的训练数据才能达到理想的性能。病理图像合成被自然提出以减少数据收集和标注的工作量。然而，在生成逼真的大尺寸细胞病理图像的同时，为小尺寸异常宫颈细胞合成视觉上合理的外观是一项挑战。在本文中，我们提出了一个两阶段图像合成框架，用于创建合成数据以增强宫颈异常筛查。在第一阶段的全局图像生成中，设计了一个正常图像生成器，用于生成充满正常宫颈细胞的细胞病理图像。在第二阶段的局部细胞编辑中，从生成的图像中随机选择正常细胞，然后使用所提出的异常细胞合成器将其转换为不同类型的异常细胞。正常图像生成器和异常细胞合成器均建立在 Stable Diffusion（一个用于图像合成的预训练基础模型）之上，分别通过参数高效的微调方法来定制细胞病理图像内容并扩展空间布局可控性。我们的实验证明了所提合成框架的合成图像质量、多样性和可控性，并验证了其在增强异常宫颈细胞检测性能方面的数据增强有效性。
引用
@article{arxiv.2402.14707,
title = {Two-stage Cytopathological Image Synthesis for Augmenting Cervical Abnormality Screening},
author = {Zhenrong Shen and Manman Fei and Xin Wang and Jiangdong Cai and Sheng Wang and Lichi Zhang and Qian Wang},
journal= {arXiv preprint arXiv:2402.14707},
year = {2024}
}