基于掩码引导的对抗性迁移学习的组织学虚拟染色用于髓系淋巴结构检测
图像与视频处理
2024-08-27 v1 计算机视觉与模式识别
摘要
组织学髓系淋巴结构（TLSs）日益被认识其与多种实体肿瘤免疫疗法疗效的相关性。传统上,TLS的识别和表征依赖于免疫组织化学染色技术,利用如CD20等标记物。尽管IHC的特异性,但髓氨基-赤色染色（H&E）染色提供了更易于获取和经济实惠的选择。利用H&E染色片的普遍性,我们引入一种新型掩码引导的对抗性迁移学习方法,用于虚拟病理染色。该方法能够捕捉不同组织类型在各种染色条件下的细微颜色变化,如细胞核、红细胞、阳性反应区域,无需显式标签信息,并且能够合成甚至复制阳性反应的逼真IHC-like虚拟染色块。进一步,我们提出了虚拟IHC病理分析网络（VIPA-Net），一个集成框架,包括掩码引导的迁移模块和基于H&E的虚拟染色TLS检测模块。VIPA-Net综合利用H&E染色片和合成的虚拟IHC片,以增强H&E整块切片图像（WSI）中TLS的检测。我们采用包括1019张标注切片于TCGA的综合数据集进行网络评估。实验结果有力地说明,VIPA-Net显著提升了TLS检测准确性,有效地规避了实际CD20染色的需求。
引用
@article{arxiv.2408.13978,
title = {Histology Virtual Staining with Mask-Guided Adversarial Transfer Learning for Tertiary Lymphoid Structure Detection},
author = {Qiuli Wang and Yongxu Liu and Li Ma and Xianqi Wang and Wei Chen and Xiaohong Yao},
journal= {arXiv preprint arXiv:2408.13978},
year = {2024}
}
备注
8 pages, 8 figures