基于深度迁移学习的病理图像重建

作者：梁美彦^*; 张倩楠

来源：山西大学学报(自然科学版), 2022, 45(06): 1504-1512.

DOI：10.13451/j.sxu.ns.2021111

• 生成对抗网络
• 图像重建
• 病理图像
• 迁移学习

病理组织图像在获取以及处理过程中，可能存在异物遮挡、设备故障等问题，从而导致图像污染或者部分信息的缺失。针对上述问题，采用基于BigGAN的预训练模型，并通过迁移学习实现了结肠组织病理学图像的重建。首先从预训练好的模型中提取潜在向量与类别标签作为先验输入，其次通过联合优化损失函数不断更新潜在向量与网络参数来对缺失图像进行重建，引导生成器分五个阶段逐步生成与原图像细节一致的重建图像。实验结果表明，利用该方法重建后的病理图像的峰值信噪比为33.42 dB、均方根误差为5.496，结构相似性为0.956 0。与其他重建方法相比，提出的方法在病理图像重建方面具有优越的性能。

• 单位
  电子工程学院