基于加权核稀疏和全变差正则化的 PAPANICOLAU 染色 RGB 图像分离
图像与视频处理
2025-12-17 v3 定量方法
摘要
PAPANICOLAU 染色剂由五种染料组成，为阑尾癌细胞学筛查提供了丰富的颜色信息。这些颜色的视觉观察是主观的且难以量化。直接的 RGB 定量不可靠，因为 RGB 感光强度会随染色和成像条件变化而改变。染色分离提供了一种通过量化染料含量来实现这一目标的可行方法。以往的工作利用多光谱成像来估计 PAPANICOLAU 染色剂的染料含量。然而，其应用于 RGB 图像面临挑战，因为染料数量超过了三个 RGB 通道。本文提出一种 novel 的、无需训练的 PAPANICOLAU 染色分离方法，用于 RGB 图像。该模型强制执行 (i) 非负性， (ii) 对核的加权稀疏性（针对半胱氨酸），以及 (iii) 全变差光滑性，从而形成一个凸优化问题。我们的方法在针对多光谱成像结果的验证中在染色定量方面取得了优异的性能。我们进一步利用该方法来区分 lobular endocervical glandular hyperplasia (LEGH)，一种前癌性胃型腺癌病灶，与正常腺管细胞。染色丰度特征清晰地将两组区分开来，基于染色丰度的分类器实现了 98.0% 的准确率。通过将主观的颜色印象转化为数值标记，该技术凸显了基于 RGB 的染色分离在定量诊断中的强大潜力。
引用
@article{arxiv.2506.20450,
title = {Papanicolaou Stain Unmixing for RGB Image Using Weighted Nucleus Sparsity and Total Variation Regularization},
author = {Nanxin Gong and Saori Takeyama and Masahiro Yamaguchi and Takumi Urata and Fumikazu Kimura and Keiko Ishii},
journal= {arXiv preprint arXiv:2506.20450},
year = {2025}
}
备注
Accepted and published in Medical & Biological Engineering & Computing (2025). https://doi.org/10.1007/s11517-025-03490-z