HistoStarGAN: A Unified Approach to Stain Normalisation, Stain Transfer and Stain Invariant Segmentation in Renal Histopathology

要約

仮想染色転写は、計算病理学における有望な研究分野であり、アノテーションの欠如やドメインシフトに対する感度など、ディープラーニングベースのソリューションを適用する際の重要な制限を緩和する大きな可能性を秘めています。
ただし、文献では、仮想染色アプローチの大部分は、特定の染色または染色の組み合わせに対してトレーニングされており、目に見えない染色への拡張には、追加のデータの取得とトレーニングが必要です。
この論文では、モデルの1つの推論で、複数の染色間の染色転送、染色の正規化、および染色不変のセグメンテーションをすべて実行する統合フレームワークであるHistoStarGANを提案します。
提案されたソリューションの一般化能力を示して、多様な染色転写と正確な染色不変セグメンテーションを多数の目に見えない染色に対して実行します。これは、この分野で最初のデモンストレーションです。
さらに、事前トレーニング済みの HistoStar-GAN モデルは合成データ ジェネレーターとして機能し、完全に注釈が付けられた合成画像データを使用してディープ ラーニング ベースのアルゴリズムのトレーニングを改善する道を開きます。
私たちのアプローチの機能と、顕微鏡領域の潜在的なリスクを説明するために、自然画像のアプリケーションに触発されて、腎病理学用の完全に注釈付きの人工画像データセットである KidneyArtPathology を生成しました。

要約(オリジナル)

Virtual stain transfer is a promising area of research in Computational Pathology, which has a great potential to alleviate important limitations when applying deeplearningbased solutions such as lack of annotations and sensitivity to a domain shift. However, in the literature, the majority of virtual staining approaches are trained for a specific staining or stain combination, and their extension to unseen stainings requires the acquisition of additional data and training. In this paper, we propose HistoStarGAN, a unified framework that performs stain transfer between multiple stainings, stain normalisation and stain invariant segmentation, all in one inference of the model. We demonstrate the generalisation abilities of the proposed solution to perform diverse stain transfer and accurate stain invariant segmentation over numerous unseen stainings, which is the first such demonstration in the field. Moreover, the pre-trained HistoStar-GAN model can serve as a synthetic data generator, which paves the way for the use of fully annotated synthetic image data to improve the training of deep learning-based algorithms. To illustrate the capabilities of our approach, as well as the potential risks in the microscopy domain, inspired by applications in natural images, we generated KidneyArtPathology, a fully annotated artificial image dataset for renal pathology.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google