PRINTER：面向原位保真度虚拟 IHC 染色的形变感知对抗学习
计算机视觉与模式识别
2025-09-03 v1 多媒体
摘要
肿瘤空间异质性分析需要精确关联苏木精-伊红（H&E）形态与免疫组织化学（IHC）生物标志物表达，然而当前方法在连续切片中存在空间错位问题，严重影响了原位病理判读。为了获得更准确的虚拟染色模式，我们提出 PRINTER，这是一个弱监督框架，集成了原型驱动的内容与染色模式解耦以及形变感知对抗学习策略，旨在准确学习 IHC 染色模式的同时保留 H&E 染色细节。该方法引入了三项关键创新：（1）具有显式内容-风格解耦的原型驱动染色模式迁移；（2）循环配准-合成框架 GapBridge，通过可变形结构对齐桥接 H&E 和 IHC 域，其中配准特征引导跨模态风格迁移，而合成输出迭代优化配准；（3）形变感知对抗学习：我们提出一个训练框架，其中生成器和形变感知配准网络联合对抗优化一个聚焦风格的判别器。大量实验表明，PRINTER 在保留 H&E 染色细节和虚拟染色保真度方面有效实现了卓越性能，超越了 SOTA 方法。我们的工作为虚拟染色提供了鲁棒且可扩展的解决方案，推动了计算病理学领域的发展。
引用
@article{arxiv.2509.01214,
title = {PRINTER:Deformation-Aware Adversarial Learning for Virtual IHC Staining with In Situ Fidelity},
author = {Yizhe Yuan and Bingsen Xue and Bangzheng Pu and Chengxiang Wang and Cheng Jin},
journal= {arXiv preprint arXiv:2509.01214},
year = {2025}
}
备注
10 pages, 4 figures