德帕斯:使用生成模型的De-novo病理语义面具

科学领域:

• 数字病理学数字病理学
• 人工智能的人工智能是人工智能.
• 计算生物学是一种计算生物学.

背景情况:

• 数字病理学中的人工智能提供了自动化,但由于组织变异性和标签需求,它面临着带有偏见的数据集的挑战.
• 合成组织学图像是去除数据集的有希望的解决方案,需要摄影现实性的生成和可控制的细胞特征.

研究的目的:

• 引入DEPAS (De-novo病理语义面具),这是一个可扩展的生成模型,用于创建组织结构的高质量的语义面具.
• 为了证明DEPAS生成的面具在产生可控细胞特征的光现实合成组织学图像的实用性,用于人工智能训练.

主要方法:

• 开发了DEPAS,这是一个可扩展的生成模型,用于 de-novo 语义面具生成.
• 利用图像翻译模型将语义面具转换为摄影现实的组织学图像.
• 生成多标签的语义面具来控制合成图像中的细胞特征分布.

主要成果:

• 德帕斯成功地为皮肤,前列腺和肺组织生成了高分辨率,最先进的语义口罩.
• 使用DEPAS口罩和图像翻译制作了癌症的合成组织学图像,通过不同的染色技术展示了现实主义.
• 按需的细胞特征通过利用多标签语义面具在合成组织学图像中生成.

结论:

• 德帕斯为生成受控合成组织学图像提供了可扩展和有效的解决方案.
• 这种方法解决了现实世界数据集的局限性,为数字病理学中更可概括的AI算法铺平了道路.
• 能够控制合成图像中的语义信息的能力提高了它们对AI模型开发和验证的实用性.