面向弱配对IHC虚拟染色的拓扑感知病理一致性匹配

免疫组织化学（IHC）染色提供了组织样本的关键分子特征，在临床检查和癌症诊断中起着不可或缺的作用。然而，与常用的髓鞘草染色（H&E）染色相比，IHC染色涉及更复杂的程序，既耗时又昂贵，这限制了其在临床中的广泛应用。虚拟染色将H&E图像转换为IHC图像，为临床IHC染色提供了具有成本效益的替代方案。然而，使用相邻切片作为基准常导致数据弱配对，伴随空间错位和局部变形，阻碍有效的监督学习。为此，我们提出一种新颖的拓扑感知框架，用于H&E到IHC虚拟染色。具体而言，我们引入拓扑一致性匹配（TACM）机制，通过图对比学习和拓扑扰动来学习鲁棒的匹配模式，确保结构一致性。进一步，我们提出病理约束匹配（TCPM）机制，基于节点重要性对病理阳性区域进行对齐，以增强病理一致性。在两个基准数据集上的四个染色任务的广泛实验表明，我们的方法在临床相关性和生成质量方面均优于最先进的方法。