用于精确 3D 细胞形态分析的背景感知虚拟染色
计算机视觉与模式识别
2025-07-09 v1 定量方法
摘要
显微技术能够直接观察 3D 细胞形态，其中透射光方法提供低成本、微创成像，而荧光显微镜提供特异性和对比度。虚拟染色通过使用机器学习从无标记输入预测荧光图像，结合了这些优势。然而，现有方法的训练通常依赖于对所有像素同等对待的损失函数，从而重现背景噪声和伪影，而非聚焦于具有生物学意义的信号。我们引入了 Spotlight，一种简单而强大的虚拟染色方法，引导模型聚焦于相关的细胞结构。Spotlight 使用基于直方图的前景估计来掩蔽像素级损失，并在软阈值预测上计算 Dice loss 以进行形状感知学习。应用于 3D 基准数据集时，Spotlight 在保持像素级精度的同时改善了形态表示，使得虚拟染色更适合分割和分析等下游任务。
引用
@article{arxiv.2507.05383,
title = {Foreground-aware Virtual Staining for Accurate 3D Cell Morphological Profiling},
author = {Alexandr A. Kalinin and Paula Llanos and Theresa Maria Sommer and Giovanni Sestini and Xinhai Hou and Jonathan Z. Sexton and Xiang Wan and Ivo D. Dinov and Brian D. Athey and Nicolas Rivron and Anne E. Carpenter and Beth Cimini and Shantanu Singh and Matthew J. O'Meara},
journal= {arXiv preprint arXiv:2507.05383},
year = {2025}
}
备注
ICML 2025 Generative AI and Biology (GenBio) Workshop