In der Histopathologie, Gewebeschnitte werden typischerweise mit gewöhnlichem H. gefärbt&E
Beizen oder Spezialbeizen (ABER, NICHT, BAND, usw.) Spezifisches klar zu visualisieren
Gewebestrukturen. Die schnelle Weiterentwicklung des Deep Learning bietet eine effektive Möglichkeit
Lösung zur Erzeugung virtuell gefärbter Bilder, erheblich reduzieren
Zeit- und Arbeitskosten, die mit der herkömmlichen histochemischen Färbung verbunden sind.
Jedoch, Eine neue Herausforderung entsteht in der Trennung des grundlegenden Visuellen
Eigenschaften von Gewebeschnitten anhand der durch sie verursachten visuellen Unterschiede
Färbemittel. Zusätzlich, Bei der virtuellen Färbung wird oft das Wesentliche übersehen
pathologisches Wissen und die physikalischen Eigenschaften der Färbung, ergebend
Nur Übertragung auf Stilebene. Um diese Probleme anzugehen, wir stellen vor, zum ersten Mal
Zeit für virtuelle Färbeaufgaben, ein pathologisches Vision-Sprach-Großmodell
(VLM) als Hilfsmittel. Wir integrieren kontrastierende lernbare Eingabeaufforderungen,
grundlegende Konzeptanker für Gewebeschnitte, und färbungsspezifisches Konzept
Anker, um das umfangreiche Wissen über das pathologische VLM zu nutzen. Das
Der Ansatz soll beschreiben, rahmen, und verbessern Sie die Richtung des Virtuellen
Fleckenbildung. Außerdem, Wir haben eine Datenerweiterungsmethode entwickelt, die darauf basiert
die Einschränkungen des VLM. Diese Methode nutzt das leistungsstarke Bild des VLM
Interpretationsmöglichkeiten zur weiteren Integration von Bildstil und Struktur
Information, erweist sich in der hochpräzisen pathologischen Diagnostik als vorteilhaft.
Umfangreiche Auswertungen zu öffentlich zugänglicher Multidomänen-ungepaarter Färbung
Datensätze zeigen, dass unsere Methode äußerst realistische Bilder erzeugen kann
Verbessern Sie die Genauigkeit nachgelagerter Aufgaben, wie glomeruläre Erkennung und
Segmentierung. Unser Code ist verfügbar unter:
https://github.com/CZZZZZZZZZZZZZZZZ/VPGAN-HARBOR

Dieser Artikel untersucht Zeitreisen und deren Auswirkungen.

PDF herunterladen: