CellGAN: Conditional Cervical Cell Synthesis for Augmenting Cytopathological Image Classification

要約

シンプレップ細胞診検査 (TCT) スライドの自動検査は、正確かつ効率的ながんスクリーニングのために病理学者が子宮頸部の異常を発見するのに役立ちます。
現在のソリューションでは、TCT のスライド画像全体が非常に大きいため、疑わしい細胞の位置を特定し、局所パッチに基づいて異常を分類する必要があります。
したがって、期待できるパフォーマンスを得るためにパッチレベル分類器のトレーニングを監視するには、正常および異常な子宮頸部細胞の多くのアノテーションが必要です。
この論文では、パッチレベルの細胞分類を強化するために、さまざまな子宮頸部細胞タイプの細胞病理学的画像を合成する CellGAN を提案します。
CellGAN は軽量のバックボーン上に構築されており、細胞タイプ情報を画像生成に効果的に組み込むための非線形クラス マッピング ネットワークを備えています。
また、細胞の複雑な空間関係をモデル化し、敵対的学習を通じて合成画像の高い忠実度を達成するスキップレイヤー グローバル コンテキスト モジュールも提案します。
私たちの実験は、CellGAN がさまざまな細胞タイプに対して視覚的にもっともらしい TCT 細胞病理画像を生成できることを示しています。
また、CellGAN を使用してパッチレベルの細胞分類パフォーマンスを大幅に向上させる有効性も検証します。

要約(オリジナル)

Automatic examination of thin-prep cytologic test (TCT) slides can assist pathologists in finding cervical abnormality for accurate and efficient cancer screening. Current solutions mostly need to localize suspicious cells and classify abnormality based on local patches, concerning the fact that whole slide images of TCT are extremely large. It thus requires many annotations of normal and abnormal cervical cells, to supervise the training of the patch-level classifier for promising performance. In this paper, we propose CellGAN to synthesize cytopathological images of various cervical cell types for augmenting patch-level cell classification. Built upon a lightweight backbone, CellGAN is equipped with a non-linear class mapping network to effectively incorporate cell type information into image generation. We also propose the Skip-layer Global Context module to model the complex spatial relationship of the cells, and attain high fidelity of the synthesized images through adversarial learning. Our experiments demonstrate that CellGAN can produce visually plausible TCT cytopathological images for different cell types. We also validate the effectiveness of using CellGAN to greatly augment patch-level cell classification performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google