H&E Stain Normalization using U-Net

要約

修正された U-Net ニューラル ネットワーク アーキテクチャに基づく、新しいヘマトキシリン エオシン (H&E) 染色正規化法を提案します。
多くの場合生成的敵対的ネットワーク (GAN) に基づいていた以前の深層学習方法とは異なり、私たちは教師と生徒のアプローチを採用し、訓練された CycleGAN によって生成されたペアのデータセットを使用して、U-Net を訓練し、汚れの正規化タスクを実行します。
実験を通じて、我々の方法を最近の 2 つの競合する方法である CycleGAN と StainNet と比較しました。
私たちの方法は、CycleGAN と比較してより高速で、より大きな画像をより良い品質で処理できることがわかりました。
また、StainNet と比較したところ、私たちの方法が定量的および定性的に優れた結果をもたらすことがわかりました。

要約(オリジナル)

We propose a novel hematoxylin and eosin (H&E) stain normalization method based on a modified U-Net neural network architecture. Unlike previous deep-learning methods that were often based on generative adversarial networks (GANs), we take a teacher-student approach and use paired datasets generated by a trained CycleGAN to train a U-Net to perform the stain normalization task. Through experiments, we compared our method to two recent competing methods, CycleGAN and StainNet, a lightweight approach also based on the teacher-student model. We found that our method is faster and can process larger images with better quality compared to CycleGAN. We also compared to StainNet and found that our method delivered quantitatively and qualitatively better results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google