深度学习驱动的虚拟多组图免疫染色：用于血管侵入评估
医学物理
2026-01-12 v1 计算机视觉与模式识别
机器学习
摘要
免疫组织化学（IHC）已通过实现组织切片内特定蛋白的可视化而变革了临床病理学。然而，传统 IHC 需要每个染色一个组织切片，切片间存在变异性，且成本高昂且操作繁琐。虽然多组图 IHC（mIHC）技术可在单个滑片上进行多种抗体同时染色，但操作更为繁琐，目前在常规病理实验室中尚不可用。本文提出了基于深度学习的虚拟多组图免疫染色框架，用于同时生成 ERG 和 PanCK，除 H&E 虚拟染色，实现对甲状腺癌血管侵入的准确局部化和解释。该虚拟 mIHC 技术基于标签-free 组织切片的荧光显微镜图像，其输出图像与组织切片的组织化学染色结果（ERG、PanCK 和 H&E）高度吻合。由具备执业资质的病理科医生进行盲目评估表明，虚拟 mIHC 染色与组织化学染色结果高度一致，准确地突显了表皮细胞和内皮细胞。对同一组织切片进行的虚拟 mIHC 还允许识别和局部化小血管侵入。这种多组图虚拟 IHC 方法可显著提高血管侵入病理评估的诊断准确性和效率，潜在地消除对传统染色程序的需求，缓解组织损耗和异质性问题。
引用
@article{arxiv.2508.16209,
title = {Deep learning-enabled virtual multiplexed immunostaining of label-free tissue for vascular invasion assessment},
author = {Yijie Zhang and Cagatay Isil and Xilin Yang and Yuzhu Li and Anna Elia and Karin Atlan and William Dean Wallace and Nir Pillar and Aydogan Ozcan},
journal= {arXiv preprint arXiv:2508.16209},
year = {2026}
}
备注
29 Pages, 7 Figures