基于无监督深度学习的数字病理组织染色虚拟化
计算机视觉与模式识别
2018-10-16 v1
摘要
组织样本的组织病理学评估是患者诊断与药物开发（尤其是肿瘤学）中的关键实践。历史上，病理学家一直将苏木精-伊红（H&E）染色作为金标准。然而在许多情况下，需要包括免疫组织化学（IHC）在内的各种靶标特异性染色以突出组织中的特定结构。由于组织稀缺且染色流程繁琐，若能以虚拟方式生成染色组织图像将大有裨益。虚拟染色还可对同一组织片段实现不同染色的人工智能（in-silico）多重化。本文提出一个示例应用，利用基于 CycleGAN 的无监督深度学习方法从 Ki67-CD8 真实 IHC 图像生成 FAP-CK 虚拟 IHC 图像。我们还提出了一种处理由归一化层引起的分块伪影的方法，并通过比较虚拟图像与真实图像的组织分析算法结果来验证我们的方法。
引用
@article{arxiv.1810.06415,
title = {Virtualization of tissue staining in digital pathology using an unsupervised deep learning approach},
author = {Amal Lahiani and Jacob Gildenblat and Irina Klaman and Shadi Albarqouni and Nassir Navab and Eldad Klaiman},
journal= {arXiv preprint arXiv:1810.06415},
year = {2018}
}