组织病理学图像合成的现有深网无法为聚类核生成准确的边界,并且无法输出与不同器官一致的图像样式。为了解决这些问题,我们提出了一种样式引导的实例自适应标准化(SIAN),以合成不同器官的逼真的颜色分布和纹理。 Sian包含四个阶段:语义,风格化,实例化和调制。这四个阶段共同起作用,并集成到生成网络中,以嵌入图像语义,样式和实例级级边界。实验结果证明了所有组件在Sian中的有效性,并表明所提出的方法比使用Frechet Inception Inception距离(FID),结构相似性指数(SSIM),检测质量胜过组织病理学图像合成的最新条件gan。 (DQ),分割质量(SQ)和圆锥体质量(PQ)。此外,通过合并使用Sian产生的合成图像,可以显着改善分割网络的性能。
translated by 谷歌翻译