要約
デジタル病理学は過去 10 年間で大幅に進歩し、ホール スライド画像 (WSI) には正確な疾患診断に不可欠な膨大な量のデータが含まれています。
高解像度の WSI は正確な診断に不可欠ですが、スキャン機器の技術的な制限やスライドの準備のばらつきにより、これらの画像の取得が妨げられる場合があります。
超解像度技術を使用すると、低解像度の画像を強化できます。
Generative Adversarial Networks (GAN) は、自然画像の超解像度タスクでは効果的ですが、オーバーフィッティングやモード崩壊による組織病理に苦戦することがよくあります。
従来の評価基準では、病理組織画像の複雑な特徴を評価するには不十分であり、堅牢な組織学固有の評価方法が必要です。
デジタルパソロジーにおける超解像度画像の生成と評価のために特別に設計された新しい拡散ベースの方法である Histo-Diffusion を紹介します。
これには、病理組織検査前の修復モジュールと、高品質の画像を生成するための制御可能な拡散モジュールが含まれています。
私たちは 2 つの病理組織データセットを厳選し、完全参照メトリクスと非参照メトリクスの両方を組み込んだ包括的な評価戦略を提案して、デジタル病理画像の品質を徹底的に評価しました。
最先端の手法を使用した複数のデータセットの比較分析により、ヒスト拡散が GAN よりも優れていることが明らかになりました。
私たちの方法は、さまざまな入力サイズからの多重解像度の生成を処理できる、病理組織画像の超解像度のための多用途のソリューションを提供し、診断プロセスに貴重なサポートを提供します。
要約(オリジナル)
Digital pathology has advanced significantly over the last decade, with Whole Slide Images (WSIs) encompassing vast amounts of data essential for accurate disease diagnosis. High-resolution WSIs are essential for precise diagnosis but technical limitations in scanning equipment and variablity in slide preparation can hinder obtaining these images. Super-resolution techniques can enhance low-resolution images; while Generative Adversarial Networks (GANs) have been effective in natural image super-resolution tasks, they often struggle with histopathology due to overfitting and mode collapse. Traditional evaluation metrics fall short in assessing the complex characteristics of histopathology images, necessitating robust histology-specific evaluation methods. We introduce Histo-Diffusion, a novel diffusion-based method specially designed for generating and evaluating super-resolution images in digital pathology. It includes a restoration module for histopathology prior and a controllable diffusion module for generating high-quality images. We have curated two histopathology datasets and proposed a comprehensive evaluation strategy which incorporates both full-reference and no-reference metrics to thoroughly assess the quality of digital pathology images. Comparative analyses on multiple datasets with state-of-the-art methods reveal that Histo-Diffusion outperforms GANs. Our method offers a versatile solution for histopathology image super-resolution, capable of handling multi-resolution generation from varied input sizes, providing valuable support in diagnostic processes.
arxiv情報
| 著者 | Xuan Xu,Saarthak Kapse,Prateek Prasanna |
| 発行日 | 2024-08-27 17:31:00+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google