Artifact Restoration in Histology Images with Diffusion Probabilistic Models

要約

組織学的全スライド画像 (WSI) は通常、組織の折り畳みや気泡などのアーチファクトによって損なわれる可能性があり、病理医とコンピュータ支援診断 (CAD) システムの両方にとって検査の難易度が高くなります。
アーティファクト画像を復元する既存のアプローチは、敵対的生成ネットワーク (GAN) に限定されており、復元プロセスは画像間の転送として定式化されます。
これらの方法では、モード崩壊や染色スタイルでの予期せぬ誤転送が発生する傾向があり、満足できない非現実的な復元画像が得られます。
革新的に、組織学的アーチファクト修復のためのノイズ除去拡散確率モデル、すなわち ArtiFusion に最初の試みを行います。具体的には、ArtiFusion はアーチファクト領域の修復を段階的なノイズ除去プロセスとして定式化し、そのトレーニングはトレーニングの複雑さを簡素化するためにアーチファクトのない画像のみに依存します。
さらに、地域的なアーティファクト復元におけるローカルとグローバルの相関関係を捉えるために、タイム トークン スキームとともに、新しい Swin-Transformer ノイズ除去アーキテクチャが設計されています。
当社の広範な評価により、組織学分析の前処理方法としての ArtiFusion の有効性が実証されており、修復中にアーティファクトのない領域の組織構造と染色スタイルを正常に保存できます。
コードは https://github.com/zhenqi-he/ArtiFusion で入手できます。

要約(オリジナル)

Histological whole slide images (WSIs) can be usually compromised by artifacts, such as tissue folding and bubbles, which will increase the examination difficulty for both pathologists and Computer-Aided Diagnosis (CAD) systems. Existing approaches to restoring artifact images are confined to Generative Adversarial Networks (GANs), where the restoration process is formulated as an image-to-image transfer. Those methods are prone to suffer from mode collapse and unexpected mistransfer in the stain style, leading to unsatisfied and unrealistic restored images. Innovatively, we make the first attempt at a denoising diffusion probabilistic model for histological artifact restoration, namely ArtiFusion.Specifically, ArtiFusion formulates the artifact region restoration as a gradual denoising process, and its training relies solely on artifact-free images to simplify the training complexity.Furthermore, to capture local-global correlations in the regional artifact restoration, a novel Swin-Transformer denoising architecture is designed, along with a time token scheme. Our extensive evaluations demonstrate the effectiveness of ArtiFusion as a pre-processing method for histology analysis, which can successfully preserve the tissue structures and stain style in artifact-free regions during the restoration. Code is available at https://github.com/zhenqi-he/ArtiFusion.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google