Adversarial Stain Transfer to Study the Effect of Color Variation on Cell Instance Segmentation

要約

さまざまな要因によって引き起こされる組織画像の染色色の変化は、病理学者の視覚的診断だけでなく、細胞セグメンテーション アルゴリズムにとっても課題です。
色のばらつきをなくすために、多くの汚れの正規化アプローチが提案されています。
ただし、ほとんどはヘマトキシリンおよびエオシン染色画像用に設計されており、免疫組織化学染色画像ではうまく機能しませんでした。
現在の細胞セグメンテーション方法は、染色の正規化を前処理ステップとして体系的に適用していますが、色の変化によってもたらされる影響はまだ定量的に調査されていません。
この論文では、異なる色のNeuN染色画像の5つのグループを作成しました。
組織学的画像グループ間の色転送を実行するために、深層学習画像再色法を適用しました。
最後に、セグメンテーション セットの色を変更し、セルのセグメンテーションに対する色の変化の影響を定量化しました。
結果は、後続の分析の前に色の正規化の必要性を示しました。

要約(オリジナル)

Stain color variation in histological images, caused by a variety of factors, is a challenge not only for the visual diagnosis of pathologists but also for cell segmentation algorithms. To eliminate the color variation, many stain normalization approaches have been proposed. However, most were designed for hematoxylin and eosin staining images and performed poorly on immunohistochemical staining images. Current cell segmentation methods systematically apply stain normalization as a preprocessing step, but the impact brought by color variation has not been quantitatively investigated yet. In this paper, we produced five groups of NeuN staining images with different colors. We applied a deep learning image-recoloring method to perform color transfer between histological image groups. Finally, we altered the color of a segmentation set and quantified the impact of color variation on cell segmentation. The results demonstrated the necessity of color normalization prior to subsequent analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google