半监督变分自编码器用于多组染fluorescence图像中的细胞特征提取
图像与视频处理
2024-07-01 v2 计算机视觉与模式识别
摘要
数字成像技术的进步催化了使用多组染fluorescence(mIF)图像来可视化和识别特定免疫表型与肿瘤微环境在细胞水平上相互作用的兴趣。当前领先的多组染fluorescence图像分析管道依赖于由简单统计和机器学习工具生成的基于形态学和染色强度的指标特征的细胞表征。然而，这些方法无法生成复杂的细胞表征。我们提出了一种基于变分自编码器的深度学习细胞特征提取模型，通过对潜在子空间进行监督来提取mIF图像中的细胞特征。我们使用来自乳腺癌患者1,093个组织微阵列核心中提取的超过44,000个多组染fluorescence细胞图像块进行细胞表型分类，以展示我们模型相对于当前和替代方法的成功。
引用
@article{arxiv.2406.15727,
title = {Semi-supervised variational autoencoder for cell feature extraction in multiplexed immunofluorescence images},
author = {Piumi Sandarenu and Julia Chen and Iveta Slapetova and Lois Browne and Peter H. Graham and Alexander Swarbrick and Ewan K. A. Millar and Yang Song and Erik Meijering},
journal= {arXiv preprint arXiv:2406.15727},
year = {2024}
}