A comparative evaluation of image-to-image translation methods for stain transfer in histopathology

要約

タイトル：組織病理学における染色のための画像変換方法の比較評価

要約：

– Image-to-image translation（I2I）方法は、オリジナルの画像の内容を共有しつつ異なるスタイルを持った人工画像を生成することができます。
– GAN（Generative Adversarial Networks）ベースの方法が進歩したことで、I2I方法によって自然な画像と区別できない人工画像が生成されるようになりました。
– 最近、I2I方法は、異なる染色法からin silico染色済みの組織の人工画像を生成するために組織病理学でも使用されています。これを染色転送と呼びます。
– I2Iのバリアントの数は常に増加しており、染色転送に最適なI2I方法を正当化することが難しいため、本研究では12の染色転送手法を比較しています。
– 分析は、画像変換の品質のための補完的な定量的指標、ディープラーニングベースの組織分類の適合性の評価、そして病理学者による視覚的評価に基づいています。
– この研究は、染色転送手法の強みと弱みを明らかにし、I2Iアルゴリズムの合理的な選択を可能にするものです。
– H＆E染色とMasson’s Trichrome染色間の染色転送のためのコード、データ、およびトレーニングモデルがオンラインで利用可能になります。

要約(オリジナル)

Image-to-image translation (I2I) methods allow the generation of artificial images that share the content of the original image but have a different style. With the advances in Generative Adversarial Networks (GANs)-based methods, I2I methods enabled the generation of artificial images that are indistinguishable from natural images. Recently, I2I methods were also employed in histopathology for generating artificial images of in silico stained tissues from a different type of staining. We refer to this process as stain transfer. The number of I2I variants is constantly increasing, which makes a well justified choice of the most suitable I2I methods for stain transfer challenging. In our work, we compare twelve stain transfer approaches, three of which are based on traditional and nine on GAN-based image processing methods. The analysis relies on complementary quantitative measures for the quality of image translation, the assessment of the suitability for deep learning-based tissue grading, and the visual evaluation by pathologists. Our study highlights the strengths and weaknesses of the stain transfer approaches, thereby allowing a rational choice of the underlying I2I algorithms. Code, data, and trained models for stain transfer between H&E and Masson’s Trichrome staining will be made available online.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI