Color Deconvolution applied to Domain Adaptation in HER2 histopathological images

要約

乳がんの早期発見は、患者の予後を改善するために極めて重要です。Institut Catal`a de la Salut (ICS)は、がんの診断を支援する人工知能アルゴリズムを開発・実装するDigiPatICSプロジェクトを立ち上げました。本論文では、乳がん組織のHER2染色病理組織画像における色正規化問題に対処するための新しいアプローチを提案し、スタイル転送問題として提起する。我々は、カラーデコンボリューション技術とPix2Pix GANネットワークを組み合わせて、異なるHER2染色ブランド間の色のばらつきを補正する新しいアプローチを提示する。我々のアプローチは、HER2分析に重要な、変換された画像中の細胞のHER2スコアを維持することに焦点を当てる。その結果、我々の最終モデルは、変換後の画像における細胞クラスの維持において、最先端の画像スタイル変換手法を凌駕し、現実的な画像を生成する上でそれらと同等の効果があることが示されました。

要約(オリジナル)

Breast cancer early detection is crucial for improving patient outcomes. The Institut Catal\`a de la Salut (ICS) has launched the DigiPatICS project to develop and implement artificial intelligence algorithms to assist with the diagnosis of cancer. In this paper, we propose a new approach for facing the color normalization problem in HER2-stained histopathological images of breast cancer tissue, posed as an style transfer problem. We combine the Color Deconvolution technique with the Pix2Pix GAN network to present a novel approach to correct the color variations between different HER2 stain brands. Our approach focuses on maintaining the HER2 score of the cells in the transformed images, which is crucial for the HER2 analysis. Results demonstrate that our final model outperforms the state-of-the-art image style transfer methods in maintaining the cell classes in the transformed images and is as effective as them in generating realistic images.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL