LSA: Latent Style Augmentation Towards Stain-Agnostic Cervical Cancer Screening
作者: Jiangdong Cai, Haotian Jiang, Zhenrong Shen, Yonghao Li, Honglin Xiong, Lichi Zhang, Qian Wang
发布时间: 2025-03-11
来源: arxiv
研究方向: 医学影像分析与计算机辅助诊断
主要内容
该研究针对基于全切片图像（WSI）的宫颈癌筛查中遇到的染色变化导致的领域转移问题，提出了一种名为 Latent Style Augmentation（LSA）的框架，用于解决全切片图像级别的染色增强问题。
主要贡献
1. 提出了 WSI 级别的染色增强方法 WSAug，确保 WSI 内部补丁之间的染色一致性。
2. 设计了 Stain Transformer，能够在潜在空间中模拟目标风格，有效地增强 WSI 级别分类器的鲁棒性。
3. 在多扫描仪 WSI 数据集上验证了方法的有效性，即使在单扫描仪数据上训练，该方法也能在来自其他扫描仪的分布外数据上实现显著的性能提升。
研究方法
1. WSAug：一种 WSI 级别的染色增强方法，通过优化染色增强的一致性来解决传统方法在扩展到全切片图像时的问题。
2. Stain Transformer：一个能够对 WSI 潜在特征进行风格转换的网络，以增强分类器的鲁棒性。
3. Latent Style Augmentation（LSA）：直接在 WSI 级别特征上执行数据增强，以实现高效的在线增强。
实验结果
实验结果表明，LSA 能够有效地提高 WSI 级别分类器在多个扫描仪数据集上的性能，即使在分布外数据上也表现出显著的性能提升。此外，与现有的增强方法相比，LSA 在跨扫描仪性能方面具有显著优势。
未来工作
未来的工作将包括将基于物理的染色模拟框架集成到训练过程中，以更全面地模拟染色变化。