Generative adversarial networks in cell microscopy for image augmentation. A systematic review

タイトル: Generative adversarial networks in cell microscopy for image augmentation. A systematic review

著者: Duway Nicolas Lesmes-Leon、Andreas Dengel、Sheraz Ahmed

発行: 2023年8月28日

リンク: https://www.biorxiv.org/content/10.1101/2023.08.25.554841v1

要約（Microsoft Copilotによる生成）:

Introduction:

• 細胞顕微鏡検査は微生物の研究に不可欠ですが、データ可用性に制限があります。
• **Generative adversarial networks（GANs）**は合成サンプルを生成してデータを増強できます。

Challenges:

• 固有の技術的制限とサンプル調製の課題による細胞顕微鏡検査におけるデータ制限。
• 性能メトリクス、baseline、およびデータセットに関するコンセンサスの欠如。

Methods:

• 細胞顕微鏡画像増強にGANsを使用した32の研究の系統的レビュー。
• 21の公開データセットの分析。

Novelties:

• StyleGANやPathologyGANなどの人気のあるアーキテクチャの特定。
• 優れた設計慣行とゴールドスタンダードの重要性の強調。

Results:

• 18の研究が主要なタスクとして画像増強に焦点を当てていました。
• Vanilla GAN損失が最も人気のある敵対的損失でした。

Performances:

• **Inception score（IS）とFréchet inception distance（FID）**が一般的な性能メトリクスです。

Limitations:

• 単一人物によるデータ収集と適切なバイアス評価ツールの欠如による高いバイアスリスク。

Discussion:

• 実験設計における再現性と比較可能性の必要性の強調。
• 多様なメトリクスと堅牢な評価方法の欠如によるGANパフォーマンス評価における課題。