Artifact Removal in Histopathology Images

要約

組織病理学の臨床設定では、全スライド画像 (WSI) アーティファクトが頻繁に発生し、関心領域を歪め、WSI 分析に悪影響を及ぼす。
CycleGAN などの画像から画像への変換ネットワークは、原則として、対になっていないデータからアーティファクト除去関数を学習できます。
ただし、アーティファクトの除去に伴う全射問題を特定し、これに対処するために、CycleGAN への弱教師付き拡張を提案します。
TCGA データベースからアーティファクトとクリーン タイルを含む汎がんデータセットを組み立てます。
有望な結果は、私たちの方法の健全性を強調しています。

要約(オリジナル)

In the clinical setting of histopathology, whole-slide image (WSI) artifacts frequently arise, distorting regions of interest, and having a pernicious impact on WSI analysis. Image-to-image translation networks such as CycleGANs are in principle capable of learning an artifact removal function from unpaired data. However, we identify a surjection problem with artifact removal, and propose an weakly-supervised extension to CycleGAN to address this. We assemble a pan-cancer dataset comprising artifact and clean tiles from the TCGA database. Promising results highlight the soundness of our method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google