基于双正态分布加权的块级超图对比学习用于多域染色迁移
计算机视觉与模式识别
2026-04-07 v2
摘要
虚拟染色迁移利用计算机辅助技术将组织样本的组织化学染色模式转化为其他染色类型。然而，现有方法由于循环一致性假设的局限性，往往丢失详细的病理信息。为了应对这一挑战，我们提出了STNHCL，一种基于超图的块级对比学习方法。STNHCL通过超图建模捕获块之间的高阶关系，确保输入图像与输出图像之间的一致高阶拓扑。此外，我们提出了一种新颖的负样本加权策略，利用判别器热图根据组织和背景的高斯分布施加不同权重，从而增强传统加权方法。实验表明，STNHCL在染色迁移任务的两大主要类别中达到了最先进的性能。此外，我们的模型在下游任务中也表现出色。代码可在https://github.com/Whywwwzzzg/STNHCL获取。
引用
@article{arxiv.2503.09523,
title = {Patch-Wise Hypergraph Contrastive Learning with Dual Normal Distribution Weighting for Multi-Domain Stain Transfer},
author = {Haiyan Wei and Hangrui Xu and Bingxu Zhu and Yulian Geng and Aolei Liu and Wenfei Yin and Jian Liu},
journal= {arXiv preprint arXiv:2503.09523},
year = {2026}
}
备注
Accepted to ICME 2025