用于无配对H&E至IHC染色翻译的混合域对比学习
图像与视频处理
2024-09-04 v2 计算机视觉与模式识别
机器学习
摘要
H&E至IHC染色翻译技术为精准癌症诊断提供了可行方案，尤其在健康资源匮乏、缺乏专业医师和获取昂贵设备受限的地区尤为重要。鉴于H&E-IHC图像对的像素级错位，当前研究探索相同位置图像对中patch之间的病理一致性。然而，大多数方法过度强调域间或patch间的对应关系，忽略了非对应对象提供的侧向信息。本文提出了混合域对比学习(MDCL)方法，利用无配对H&E至IHC染色翻译中的监督信息。具体而言，MDCL方法通过估计锚点patch与匹配图像中所有patch之间的相关性，聚合inter-domain和intra-domain病理信息，鼓励网络从混合域中学习额外的对比知识。借助混合域病理信息的聚合，MDCL增强了对应patch之间的病理一致性，以及来自生成IHC图像中不同位置patch之间差异的表征。实验表明，在MIST和BCI两个H&E至IHC染色翻译数据集上，所提方法在多个指标上实现了最先进的性能。
引用
@article{arxiv.2406.11799,
title = {Mix-Domain Contrastive Learning for Unpaired H&E-to-IHC Stain Translation},
author = {Song Wang and Zhong Zhang and Huan Yan and Ming Xu and Guanghui Wang},
journal= {arXiv preprint arXiv:2406.11799},
year = {2024}
}