面向高保真CAR-T/NK免疫 Synapse 图像的数据增强
计算机视觉与模式识别
2026-02-04 v2
摘要
拟时抗体受体（CAR）-T 和 NK 细胞免疫疗法已彻底改变癌症治疗，最近的研究表明，CAR-T/NK 细胞免疫 Synapse（IS）的质量可能作为预测治疗疗效的功能生物标志物。使用人工神经网络（ANNs）准确检测和分割 CAR-T/NK IS 结构可大大提高 IS 定量分析的速度和可靠性。然而，一个持续存在的挑战是注释微阵列数据集的规模有限，这限制了 ANNs 的泛化能力。为此，我们整合两种互补的数据增强框架。首先，我们采用实例感知自动增强（Instance Aware Automatic Augmentation，IAAA），这是一种自动且保持实例的增强方法，通过对原始 IS 数据应用优化的增强策略来生成合成 CAR-T/NK IS 图像及其对应的分割掩码。IAAA 支持多种成像模式（如荧光和明场），可直接应用于来自患者样本的 CAR-T/NK IS 图像。在此基础上，我们引入语义感知 AI 增强（Semantic-Aware AI Augmentation，SAAA）管道，将基于扩散的掩码生成器与 Pix2Pix 条件图像合成器组合。该方法使能够创建多样且解剖学上真实的分割掩码，并生成与这些掩码一致的高保真 CAR-T/NK IS 图像，进一步扩充了训练语料库。 这种增强策略生成的合成图像在视觉和结构属性上与真实 IS 数据高度匹配，显著提高了 CAR-T/NK IS 检测和分割性能。通过增强 IS 定量分析的鲁棒性和准确性，该工作支持开发更可靠的基于成像的生物标志物，以预测患者对 CAR-T/NK 免疫疗法反应。
关键词
引用
@article{arxiv.2602.00949,
title = {Data Augmentation for High-Fidelity Generation of CAR-T/NK Immunological Synapse Images},
author = {Xiang Zhang and Boxuan Zhang and Alireza Naghizadeh and Mohab Mohamed and Dongfang Liu and Ruixiang Tang and Dimitris Metaxas and Dongfang Liu},
journal= {arXiv preprint arXiv:2602.00949},
year = {2026}
}