写在前面:
本文利用GAN进行染色归一化。是个很有趣的想法,私以为复杂度较高,只能用于小数据集。
由于将来采用可能性不大,不加以详细总结,简单说说方法备忘。
一、背景
1、染色:染色成分(主要是苏木精和曙红)的加入使天然透明组织成分变得更加可区分(苏木精染核呈深紫色,曙红染其他结构呈粉红色)
2、差异:由于组织结构变化、染色过程的不同、仪器设备不同等均会导致呈现的图像有颜色上的差异。
3、染色归一化方法
(1)色谱匹配:基于通道的lab空间变换。忽略了不同染料对于不同结构的不同影响,可能导致错误的颜色映射。(笔者测试表明,该方法可能把白色的背景转成粉色)
(2)染色分离:每个通道单独归一化,强依赖人工挑选的较好的目标颜色模板。
(3)单纯基于学习的方法:等价于样式转换问题,也就是可以采用GAN实现目标。
二、贡献点
1、作者比较若干染色方法,认为自己的方法结果最优
2、不需要人工挑选模板的过程,较少随机性,也解放人力
3、提供了对于同类问题的对比手段
三、方法
基于CycleGA