基于细胞分割和点集匹配的组织病理图像多模态对齐用于整合性癌症分析
图像与视频处理
2024-10-02 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
组织病理成像对于癌症研究和临床实践至关重要，多染色免疫荧光（MxIF）和半胱氨酸-碘染色（H&E）提供互补的见解。然而，由于模态差异，不同染色方法在细胞水平上的对齐仍然是一个挑战。本文提出了一种新型框架，用于通过细胞分割结果进行多模态图像对齐。我们将细胞视为点集，应用一致性点漂移（CPD）进行初始对齐，并通过图匹配（GM）进行细化。在 ovarian 癌症组织小片阵列（TMAs）上进行评估，我们的方法实现了高精度对齐，使跨模态的细胞级特征集成成为可能，并可从 MxIF 数据生成虚拟 H&E 图像，以增强临床解读。
引用
@article{arxiv.2410.00152,
title = {Multimodal Alignment of Histopathological Images Using Cell Segmentation and Point Set Matching for Integrative Cancer Analysis},
author = {Jun Jiang and Raymond Moore and Brenna Novotny and Leo Liu and Zachary Fogarty and Ray Guo and Markovic Svetomir and Chen Wang},
journal= {arXiv preprint arXiv:2410.00152},
year = {2024}
}
备注
initial version