Auxiliary CycleGAN-guidance for Task-Aware Domain Translation from Duplex to Monoplex IHC Images

要約

生成モデルを使用すると、容易にトレーニングされたモデルを利用できるソース画像ドメインから、トレーニング中に目に見えないターゲット ドメインへの変換が可能になります。
サイクル生成敵対的ネットワーク (GAN) は十分に確立されていますが、関連するサイクルの一貫性制約は、2 つのドメイン間に可逆マッピングが存在することに依存しています。
ただし、これは、発色モノプレックスおよびデュプレックス免疫組織化学 (IHC) アッセイで染色された画像間の翻訳には当てはまりません。
後者から前者への変換に焦点を当て、新しいトレーニング デザインの導入を通じて、補助的な不対画像ドメインとして免疫蛍光 (IF) 画像のセットを利用する代替制約を提案します。
下流のセグメンテーションタスクに関する定量的および定性的な結果は、ベースラインアプローチと比較して、提案された方法の利点を示しています。

要約(オリジナル)

Generative models enable the translation from a source image domain where readily trained models are available to a target domain unseen during training. While Cycle Generative Adversarial Networks (GANs) are well established, the associated cycle consistency constrain relies on that an invertible mapping exists between the two domains. This is, however, not the case for the translation between images stained with chromogenic monoplex and duplex immunohistochemistry (IHC) assays. Focusing on the translation from the latter to the first, we propose – through the introduction of a novel training design, an alternative constrain leveraging a set of immunofluorescence (IF) images as an auxiliary unpaired image domain. Quantitative and qualitative results on a downstream segmentation task show the benefit of the proposed method in comparison to baseline approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google