核意识自主监督预训使用未配对的图像对图像翻译用于组织病理学图像

科学领域:

• 数字病理学数字病理学
• 计算生物学是一种计算生物学.
• 医疗图像分析 医学图像分析

背景情况:

• 自主监督预训提高了模型性能,使用未标记的组织病理图像.
• 当前的方法往往忽略了核级特征提取,这对于准确的病理分析至关重要.

研究的目的:

• 为基因病理图像提出一个新的核意识自我监督的预训框架.
• 捕获重要的核形态和分布信息,以改善病理学分析.

主要方法:

• 一个核意识的自我监督的预训框架,利用非配对的图像对图像翻译在基因病理学和伪面具图像之间.
• 通过条件和随机风格表示来调节生成过程,以实现现实和多样化的图像合成.
• 实例细分指导策略,以捕获实例级信息.

主要成果:

• 拟议的预训练方法在卡瑟分类,多实例学习和5个密集预测任务上优于监督方法.
• 与其他自我监督方法相比,在7个数据集的8个半监督任务中取得了优异的结果.
• 在转移学习协议中表现出有效性,用于组织病理学图像分析.

结论:

• 核心意识自主监督预训框架显著推进了他的病理学图像分析.
• 该方法提供了一种强大的方法来提取核级特征,提高下游任务性能.
• 公共可用的代码促进了数字病理学的进一步研究和应用.