实体
histopathology image generation
histopathology image generation
PulseAugur coverage of histopathology image generation — every cluster mentioning histopathology image generation across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新指标改进了合成组织病理学图像质量评估
研究人员开发了一种新方法来评估由条件扩散模型生成的合成组织病理学图像的质量。目前依赖在ImageNet上预训练模型的FID和IS等指标，并不适合医学应用。该研究提出使用病理学特定指标，包括使用在数字病理学数据集上训练的基础模型的修改版FID和IS，以及基于精确率-召回率的指标。实验表明，病理学特定指标与下游细胞核分割性能的相关性更好，并且增加生成训练数据的多样性对分割模型性能的影响比提高单个图像保真度更大。
-
STREAM框架使用黎曼流匹配增强组织病理图像生成
研究人员开发了STREAM，一种用于生成合成组织病理图像的新颖框架。该方法通过使用预训练的视觉基础模型作为潜在空间本身，解决了现有模型中出现的“条件崩溃”问题。STREAM将黎曼流匹配应用于这些特征的超球面，并结合独特的各向异性解码器来提高图像质量和多样性。该框架在乳腺癌和结直肠癌数据集上展示了最先进的性能。