电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月7日
]
标题: 一种用于大规模组织学成像的价值映射虚拟染色框架
标题: A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging
摘要: 虚拟染色技术的出现为组织病理学领域的研究人员提供了一种快速高效的替代方法。 它使研究人员能够利用未标记的显微样本生成化学染色组织切片的虚拟副本,或促进一种染色类型向另一种染色类型的转换。 生成网络(如CycleGAN)表现出色,为虚拟染色提供了一种无监督学习方法,克服了监督学习中对高质量配对数据的依赖限制。 然而,大规模的颜色转换需要处理大视场图像的补丁,通常会导致显著的边界不一致和伪影。 此外,不同着色模态之间的转换通常需要进一步努力来修改损失函数并调整超参数以进行独立的网络训练。 在本研究中,我们引入了一个适用于各种条件的通用虚拟染色框架。 我们提出了一种基于值映射约束的损失函数,以确保不同病理模态之间虚拟染色的准确性,称为值映射生成对抗网络(VM-GAN)。 同时,我们提出了一种基于置信度的拼接方法,以解决由于分块处理而产生的边界不一致问题。 在具有不同染色协议的多样化数据上的实验结果表明,我们的方法在定量指标和视觉感知方面均取得了更好的效果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.