一个基于梯度指导的高分辨率数字病理图像染色风格转移模型
Yutao Tang1, Yuanpin Zhou1, Siyu Zhang2
1School of Computer Science and Engineering, Sun-Yat sen University, Guangzhou 510006, China.
Bioengineering (Basel, Switzerland)
|February 26, 2025
概括
本研究介绍了数字病理学图像的样式传输算法,以解决不同中心的染色变化. 该方法通过将图像数据正常化,提高了多中心癌症诊断的诊断准确性.
科学领域:
- 数字病理学数字病理学
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
背景情况:
- 数字病理图像对于癌症诊断至关重要.
- 整个幻灯片图像中的染色变化挑战了多中心模型的泛化.
- 标准化多中心数据对于强大的诊断系统至关重要.
研究的目的:
- 开发一种风格转移算法,用于规范化多中心数字病理学数据.
- 改进不同数据中心的诊断模型的概括性能.
- 为了提高基于数字病理学的癌症诊断的准确性和效率.
主要方法:
- 提出了一种基于对抗性生成网络的样式传输算法,用于高分辨率图像.
- 引入了一种渐变导向的染料迁移模型,在损失函数中使用渐变增强的规范化项.
- 将样式传输算法应用于源数据以实现正常化.
主要成果:
- 显著提高了多个例子学习模型的诊断性能.
- 在来自两个中心的病理图像数据集上验证了该方法.
- 最好的分类模型的曲线下的面积 (AUC) 从0.8856增加到0.9243.
- 在另一项实验中,AUC从0.8012提高到0.8313.
结论:
- 拟议的风格转移算法有效地使多中心数字病理学数据正常化.
- 该方法提高了AI模型的概括能力和诊断准确性.
- 这种方法对于使用数字病理学改进多中心癌症诊断具有重要价值.


