整合病理基础模型与空间转录组用于组织学图像的细胞分解
计算机视觉与模式识别
2025-07-10 v1
摘要
数字病理和现代深度学习的快速发展促进了病理基础模型的出现，这些模型有望在各种疾病条件下以一种统一的方式解决通用病理问题，无论是否需要微调。与此同时，空间转录组已成为一种变革性技术，使其能够对骨髓卫色（H&E）染色的组织学图像进行基因表达轮廓。空间转录组为深入现有组织学图像提供了前所未有的机会，从更细粒度、细胞水平进行探索。本文我们提出一种轻量且训练高效的方法，通过利用来自预训练病理基础模型提取的信息丰富特征嵌入，从H&E染色的组织学图像直接预测细胞组成。通过在由cell2location导出的细胞类型丰度训练轻量级多层感知器（MLP）回归器，我们的方法有效地从病理基础模型中提炼知识，证明了能够准确预测来自组织学图像的细胞类型组成，而无需实际进行昂贵的空间转录组。我们的方法在性能上与现有方法（如Hist2Cell）相竞争，同时显著降低了计算复杂度。
引用
@article{arxiv.2507.07013,
title = {Integrating Pathology Foundation Models and Spatial Transcriptomics for Cellular Decomposition from Histology Images},
author = {Yutong Sun and Sichen Zhu and Peng Qiu},
journal= {arXiv preprint arXiv:2507.07013},
year = {2025}
}