面向不一致真值图像对的 H&E 到 IHC 染色翻译的自适应监督 PatchNCE 损失
计算机视觉与模式识别
2023-03-14 v1
摘要
免疫组化（IHC）染色可突出组织样本中对诊断至关重要的分子信息。然而，与 H&E 染色相比，IHC 染色在人力与所需实验设备方面的成本要高得多。这促使近期研究表明，H&E 染色切片中的形态学信息与 IHC 染色切片中的分子信息之间的相关性可用于 H&E 到 IHC 的染色翻译。然而，由于缺乏像素级完美的 H&E-IHC 真值对，大多数现有方法不得不依赖专家标注。为改善这一状况，我们提出一种新的损失函数——自适应监督 PatchNCE（ASP），以直接处理所提出的 H&E 到 IHC 图像到图像翻译框架中输入与目标的不一致问题。ASP 损失构建于基于块的对比学习准则监督 PatchNCE（SP）之上，并进一步引入权重调度以缓解噪声监督的负面影响。最后，我们介绍了 Multi-IHC Stain Translation（MIST）数据集，其中包含针对乳腺癌诊断关键的 4 种不同 IHC 染色的对齐 H&E-IHC 图像块。在我们的实验中，我们证明了所提方法在翻译为多种 IHC 染色的染色翻译任务上优于现有的图像到图像翻译方法。我们的所有代码与数据集均发布于 https://github.com/lifangda01/AdaptiveSupervisedPatchNCE。
引用
@article{arxiv.2303.06193,
title = {Adaptive Supervised PatchNCE Loss for Learning H&E-to-IHC Stain Translation with Inconsistent Groundtruth Image Pairs},
author = {Fangda Li and Zhiqiang Hu and Wen Chen and Avinash Kak},
journal= {arXiv preprint arXiv:2303.06193},
year = {2023}
}