【论文阅读】StainGAN: Stain Style Transfer for Digital Histological Images

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