Stain Normalization using Sparse AutoEncoders (StaNoSA): Application to digital pathology.
Stain Normalization using Sparse AutoEncoders (StaNoSA): Application to digital pathology.
复制标题
DOI：
10.1016/j.compmedimag.2016.05.003
复制
发表时间：
2017-04
影响因子：
5.7
通讯作者：
Madabhushi, Anant
中科院分区：
文献类型：
--
作者：
Janowczyk, Andrew;Basavanhally, Ajay;Madabhushi, Anant
数字组织病理学切片有许多差异来源，虽然病理学家通常不会与之斗争，但计算机辅助诊断算法可能会表现不稳定。本文介绍了使用稀疏自动编码器（StaNoSA）的染色归一化，用于将测试图像的颜色分布标准化为单个模板图像的颜色分布。我们展示了如何利用稀疏自动编码器将图像划分为组织子类型，以便可以独立执行每个子类型的颜色标准化。StaNoSA在三个实验上进行了验证，并与其他五种颜色标准化方法进行了比较，结果显示具有可比性或上级结果。
Digital histopathology slides have many sources of variance, and while pathologists typically do not struggle with them, computer aided diagnostic algorithms can perform erratically. This manuscript presents Stain Normalization using Sparse AutoEncoders (StaNoSA) for use in standardizing the color distributions of a test image to that of a single template image. We show how sparse autoencoders can be leveraged to partition images into tissue sub-types, so that color standardization for each can be performed independently. StaNoSA was validated on three experiments and compared against five other color standardization approaches and shown to have either comparable or superior results.
登录
查看更多内容
影响因子：
--
作者：
Hipp, Jason D;Cheng, Jerome Y;Balis, Ulysses J
通讯作者：
Balis, Ulysses J
影响因子：
32.8
作者：
Bengio, Yoshua
通讯作者：
Bengio, Yoshua
影响因子：
4.6
作者：
Khan, Adnan Mujahid;Rajpoot, Nasir;Magee, Derek
通讯作者：
Magee, Derek
影响因子：
4.8
作者：
DICE, LR
通讯作者：
DICE, LR
影响因子：
4.6
作者：
Fatakdawala, Hussain;Xu, Jun;Madabhushi, Anant
通讯作者：
Madabhushi, Anant