一种用于大规模组织学成像的值映射虚拟染色框架
图像与视频处理
2025-01-08 v1 计算机视觉与模式识别
光学
摘要
虚拟染色技术的出现为组织病理学研究人员提供了一种快速高效的替代方案。它能够利用未标记的显微样本生成化学染色组织切片的虚拟复制品，或促进一种染色类型向另一种的转换。生成网络（如CycleGAN）的卓越性能为虚拟着色提供了一种无监督学习方法，克服了监督学习中所需高质量配对数据的局限性。然而，大规模颜色变换需要以分块方式处理大视场图像，常常导致显著的边界不一致和伪影。此外，不同着色模态之间的转换通常需要进一步修改损失函数和调整超参数以独立训练网络。在本研究中，我们引入了一个适用于多种条件的通用虚拟染色框架。我们提出了一种基于值映射约束的损失函数，以确保不同病理模态之间虚拟着色的准确性，称为值映射生成对抗网络（VM-GAN）。同时，我们提出了一种基于置信度的平铺方法，以解决分块处理带来的边界不一致挑战。在不同染色方案的各种数据上的实验结果表明，我们的方法实现了更优的量化指标和改善的视觉感知。
引用
@article{arxiv.2501.03592,
title = {A Value Mapping Virtual Staining Framework for Large-scale Histological Imaging},
author = {Junjia Wang and Bo Xiong and You Zhou and Xun Cao and Zhan Ma},
journal= {arXiv preprint arXiv:2501.03592},
year = {2025}
}