Digitally stained confocal microscopy through deep learning
| Autor: | Combalia Escudero, Marc, Pérez Ankar, Javiera, García Herrera, Adriana, Alos, Llúcia, Vilaplana Besler, Verónica, Marqués Acosta, Fernando, Puig, Susana, Malvehy, Josep |
|---|---|
| Přispěvatelé: | Universitat Politècnica de Catalunya. Departament de Teoria del Senyal i Comunicacions, Universitat Politècnica de Catalunya. GPI - Grup de Processament d'Imatge i Vídeo |
| Jazyk: | angličtina |
| Rok vydání: | 2019 |
| Předmět: |
Microscopy
Confocal Informàtica::Intel·ligència artificial::Aprenentatge automàtic [Àrees temàtiques de la UPC] Speckle noise Deep learning Enginyeria de la telecomunicació::Processament del senyal::Processament de la imatge i del senyal vídeo [Àrees temàtiques de la UPC] Neural networks (Computer science) Confocal microscopy Microscòpia clínica Imatges mèdiques CycleGAN Digital staining Xarxes neuronals (Informàtica) Ciències de la salut::Medicina::Diagnòstic per la imatge [Àrees temàtiques de la UPC] Neural networks Imaging systems in medicine Aprenentatge profund |
| Zdroj: | UPCommons. Portal del coneixement obert de la UPC Universitat Politècnica de Catalunya (UPC) Recercat. Dipósit de la Recerca de Catalunya instname |
| Popis: | Specialists have used confocal microscopy in the ex-vivo modality to identify Basal Cell Carcinoma tumors with an overall sensitivity of 96.6% and specificity of 89.2% (Chung et al., 2004). However, this technology hasn’t established yet in the standard clinical practice because most pathologists lack the knowledge to interpret its output. In this paper we propose a combination of deep learning and computer vision techniques to digitally stain confocal microscopy images into H&E-like slides, enabling pathologists to interpret these images without specific training. We use a fully convolutional neural network with a multiplicative residual connection to denoise the confocal microscopy images, and then stain them using a Cycle Consistency Generative Adversarial Network |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|