数字病理学中的生成性对抗网络:趋势和未来潜力的综述 Generative Adversarial Networks in Digital Pathology: A Survey on Trends and Future Potential

题目： Generative Adversarial Networks in Digital Pathology: A Survey on Trends and Future Potential

摘要： 近年来，数字病理学领域的图像分析越来越受到人们的重视。高质量的全幻灯片扫描仪的使用，使快速获取大量的图像数据，显示广泛的背景和微观的尾巴在同一时间。同时，新的机器学习算法提高了图像分析方法的性能。在这篇论文中，我们关注一类特别强大的架构，称为生成对抗网络(GANs)，应用于组织学图像数据。除了提高性能之外，GANs还支持这个领域的应用场景，这在以前是很难解决的。然而，GANs可能表现出引入偏差的潜在可能。在此，我们总结了广义标记法的最新发展，介绍了广义标记法的主要应用，并对一些有前途的方法及其可能的应用前景进行了展望。此外，我们还确定了当前不可用的具有未来应用潜力的方法。