基于语义的合成组织图像与可控制的细胞分布
Alen Shahini1, Alessandro Gambella2, Filippo Molinari1
1Biolab, PoliTo(BIO)Med Lab, Department of Electronics and Telecommunications, Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129 Turin, Italy.
Computer methods and programs in biomedicine
|January 31, 2025
概括
我们开发了SENSE,这是一个框架,用于为数字病理学培训创建现实的合成组织学图像. 该工具增强了计算病理学数据集,提高了细胞检测和分析的准确性.
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 医学图像合成 医学图像合成
背景情况:
- 数字病理学需要大量的注释数据集来进行计算方法培训.
- 数据集生成受到专家注释需求和操作员可变性的阻碍.
研究的目的:
- 介绍SENSE (语义核合成模拟器),一种用于合成现实的组织学图像的新框架.
- 为了能够精确控制合成图像中的细胞分布和特性.
- 为应对创建高质量的数据集计算病理学的挑战.
主要方法:
- 开发了一种针对特定类别核特征的统计建模系统.
- 采用混合视觉变压器 (ViT) -Pix2Pix生成对立网络 (GAN) 架构.
- 实施了模块化设计,以独立控制细胞类型,数量和空间分布.
主要成果:
- 感觉生成的图像与真实样本质量相匹配 (MANIQA:0.52 ± 0.03与0.52 ± 0.04).
- 生物可信性得到维持,经过专家的验证.
- 通过合成图像来增强训练数据,提高了细分性能 (DSC从79.71到84.86).
- 中性粒细胞细分精度显著提高 (40.18至78.71 DSC).
结论:
- SENSE使得针对计算病理学的目标数据集增强成为可能.
- 该框架为教育和培训场景提供了新的可能性.
- 感觉有助于创建多样化,生物可信的组织学图像数据集.
