ImmuVis：面向成像质子组织学的超卷积基础模型
计算机视觉与模式识别
2026-05-15 v2
摘要
我们提出ImmuVis，一套高效的成像质子组织学（imaging mass cytometry，IMC）基础模型家族。IMC是一种高通量多模态成像技术，将分子标记测量值作为图像通道处理，实现大规模空间组织轮廓分析。不同于自然图像，多模态成像缺乏固定通道空间，因为实际标记集合因不同研究而异，违反了标准视觉骨干网络的核心假设。为此，ImmuVis引入标记自适应超卷积，通过从学习的标记嵌入生成卷积核，使单一模型可在任意测得的标记子集上运行，无需重新训练。我们在目前最大的数据集IMC17M（28 个队列、24,405 张图像、265 个标记、超 1700 万个补丁）上进行自监督掩码重建预训练。ImmuVis在虚拟染色和下游分类任务中均优于最先进的基线方法和消融实验，计算成本远低于基于Transformer的方法，且是唯一提供已校准不确定性的模型，通过异方差似然目标实现。这一结果将ImmuVis定位为现实世界IMC建模的实用框架。
引用
@article{arxiv.2602.04585,
title = {ImmuVis: Hyperconvolutional Foundation Model for Imaging Mass Cytometry},
author = {Dawid Uchal and Marcin Możejko and Krzysztof Gogolewski and Piotr Kupidura and Szymon Łukasik and Jakub Giezgała and Tomasz Nocoń and Kacper Pietrzyk and Robert Pieniuta and Mateusz Sulimowicz and Michal Orzyłowski and Tomasz Siłkowski and Karol Zagródka and Eike Staub and Ewa Szczurek},
journal= {arXiv preprint arXiv:2602.04585},
year = {2026}
}
备注
38 pages, 19 figures