培训套件设计用于高分辨率全幻灯片图像中的不均照明校正
Sama Nemati1, Hasti Shabani1, Ahmad Mahmoudi-Aznaveh2
1Institute of Medical Science and Technology, Shahid Beheshti University, Tehran, Iran.
Journal of biomedical physics & engineering
|June 13, 2025
概括
本研究引入了深度学习模型的新培训策略,以改善全幻灯片成像 (WSI) 中不均照明校正. 该方法提高了整个幻灯片的概括性和一致性,使数字显微镜变得更加实用.
科学领域:
- 数字病理学数字病理学
- 计算成像技术的成像
- 在显微镜中的机器学习
背景情况:
- 不均的照明校正对于整片成像 (WSI) 预处理至关重要.
- 当前的深度学习方法与一般化和计算需求作斗争.
- 基于补丁的训练可能会错过全球照明模式,导致不一致.
研究的目的:
- 识别深度学习的局限性,以纠正不均的照明.
- 提出一套培训设计策略,以提高绩效和资源利用.
- 提高WSI照明校正的概括性和一致性.
主要方法:
- 开发了一种针对神经网络的新型训练集设计策略.
- 专注于保持原始图像分辨率.
- 在培训期间,纳入了对照明模式的整体视图.
主要成果:
- 在整个WSI幻灯片中实现了更均的照明校正.
- 减少了文物和改善了图像的一致性.
- 增强模型的稳定性和可扩展性,用于实际应用.
结论:
- 拟议的培训策略解决了WSI照明校正深度学习中的关键局限性.
- 这种方法使得基于深度学习的校正更适合临床和研究使用.
- 优化训练可以提高模型性能和资源效率.


