用于多重免疫荧光成像的随机多通道图像合成
图像与视频处理
2021-09-21 v1 计算机视觉与模式识别
摘要
多重免疫荧光（MxIF）是一种新兴成像技术，可产生单细胞映射的高灵敏度与高特异性。秉持“眼见为实”的理念，MxIF支持迭代染色与成像大量抗体，从而在单个组织切片上提供全面生物标志物以分割和归类不同细胞。然而，大量轮次的染色与漂白不可避免地造成稀缺组织的显著耗损（“组织缺失”）。此外，免疫荧光（IF）成像在特定轮次可能整体失败（“染色缺失”）。本工作关注“染色缺失”问题。开发数字图像合成方法以恢复缺失染色图像而不造成更多物理组织损耗，将颇具价值。在此，我们旨在针对真实样本上的十一种MxIF结构分子标记物（即上皮与间质）开发图像合成方法。我们提出一种称为pixN2N-HD的新型多通道高分辨率图像合成方法，通过高分辨率生成对抗网络（GAN）应对可能的染色缺失情形。我们的贡献有三：（1）提出单一深度网络框架应对MxIF中的染色缺失；（2）所提“N到N”策略在覆盖所有可行染色缺失情形（最多五轮缺失，如“(N-1)-到-1”、“(N-2)-到-2”）时，将理论四年计算时间缩减至20小时；且（3）本工作是首个探究MxIF中跨染色合成的综合实验研究。我们的结果阐明了以深度图像合成推进MxIF成像的一个有前景方向。
引用
@article{arxiv.2109.09004,
title = {Random Multi-Channel Image Synthesis for Multiplexed Immunofluorescence Imaging},
author = {Shunxing Bao and Yucheng Tang and Ho Hin Lee and Riqiang Gao and Sophie Chiron and Ilwoo Lyu and Lori A. Coburn and Keith T. Wilson and Joseph T. Roland and Bennett A. Landman and Yuankai Huo},
journal= {arXiv preprint arXiv:2109.09004},
year = {2021}
}
备注
Accepted at the third MICCAI workshop on Computational Pathology (COMPAY 2021)