MGGAN:为乳腺癌免疫组织化学图像生成而建立的多生成器生成对抗网络

科学领域:

• 数字病理学数字病理学
• 医学图像分析 医学图像分析
• 计算生物学 计算生物学

背景情况:

• 免疫组织化学 (IHC) 染色对于癌症诊断至关重要,但成本昂贵.
• 血素和欧 (HE) 染色是一种更便宜,更广泛的替代品.
• 弥合HE和IHC图像之间的差距可以降低诊断成本.

研究的目的:

• 开发一种具有成本效益的方法,从高质量图像中生成高质量的IHC图像.
• 在乳腺癌研究中利用深度学习进行准确的医学图像翻译.
• 提高IHC数据的可访问性,用于诊断标记物评估.

主要方法:

• 提出了一个多发电机生成对抗网络 (MGGAN) 对于HE到IHC的图像翻译.
• 组合低频和高频图像组件,以增强细节.
• 利用U形架构和基于补丁的区分器进行组件优化.
• 集成的交叉损失用于合成图像的一致性.

主要成果:

• MGGAN成功地从乳腺癌的HE图像中生成了高质量的IHC图像.
• 该方法的性能优于现有的最先进的图像合成技术.
• 定量和定性分析证实了MGGAN的优越性能.
• 可视化展示了图像细节的准确翻译.

结论:

• MGGAN方法为获得IHC图像提供了一种高效且具有成本效益的解决方案.
• 这种技术可以显著降低与诊断标志物评估相关的费用.
• 该研究推进了计算病理学和医学图像合成领域.