基于跨通道感知学习的H&E到IHC虚拟染色
计算机视觉与模式识别
2025-06-10 v1
摘要
随着数字病理学的快速发展，虚拟染色已成为多媒体医疗信息系统中的关键技术，为病理图像分析和诊断提供了新的可能性。然而，现有的 H&E 到 IHC 研究常常忽视了细胞核和细胞膜之间的跨通道关联。为此，我们提出了一种新颖的跨通道感知学习（Cross-Channel Perception Learning, CCPL）策略。具体而言，CCPL 将 HER2 免疫组织化学染色分解为 Hematoxylin 和 DAB 染色通道，分别对应细胞核和细胞膜。利用基于病理学基础模型 Gigapath 的瓦片编码器，CCPL 从生成的图像和真实图像中提取双通道特征，并衡量核和膜之间的跨通道关联。来自瓦片编码器获取的生成和真实染色图像特征也用于计算特征蒸馏损失，从而在不增加推理负担的情况下提升模型的特征提取能力。此外，CCPL 对两个单通道的焦点光密度图进行统计分析，以确保染色分布和强度的一致性。实验结果基于定量指标（如 PSNR、SSIM、PCC 和 FID）以及病理科医生的专业评估，表明 CCPL 有效保留了病理特征，生成了高质量的虚拟染色图像，并为基于多媒体医疗数据的自动化病理诊断提供了稳健的支持。
引用
@article{arxiv.2506.07559,
title = {Cross-channel Perception Learning for H&E-to-IHC Virtual Staining},
author = {Hao Yang and JianYu Wu and Run Fang and Xuelian Zhao and Yuan Ji and Zhiyu Chen and Guibin He and Junceng Guo and Yang Liu and Xinhua Zeng},
journal= {arXiv preprint arXiv:2506.07559},
year = {2025}
}