Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2506.23184

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2506.23184 (eess)
[提交于 2025年6月29日 ]

标题: 基于分数的非配对虚拟组织染色扩散模型

标题: Score-based Diffusion Model for Unpaired Virtual Histology Staining

Authors:Anran Liu, Xiaofei Wang, Jing Cai, Chao Li
摘要: 苏木精和伊红(H&E)染色可视化组织学,但缺乏诊断标志物的特异性。免疫组化(IHC)染色提供蛋白质靶向染色,但受组织可用性和抗体特异性的限制。虚拟染色,即计算地将H&E图像转换为其IHC对应图像同时保持组织结构,对于高效的IHC生成具有前景。现有的虚拟染色方法仍然面临关键挑战:1)有效的染色风格和组织结构分解,2)可控制的染色过程以适应不同的组织和蛋白质,以及3)严格的结构一致性建模以处理配对的H&E和IHC图像的非像素对齐性质。本研究提出了一种基于互信息(MI)引导的得分扩散模型用于不成对的虚拟染色。具体而言,我们设计了1)一个全局MI引导的能量函数,可在不同模态中解耦组织结构和染色特征,2)一种新的时间步定制的逆向扩散过程,以精确控制染色强度和结构重建,以及3)一种局部MI驱动的对比学习策略,以确保H&E-IHC图像之间的细胞级结构一致性。大量实验表明我们的方法优于最先进的方法,突显了其在生物医学中的潜力。代码将在接受后开源。
摘要: Hematoxylin and eosin (H&E) staining visualizes histology but lacks specificity for diagnostic markers. Immunohistochemistry (IHC) staining provides protein-targeted staining but is restricted by tissue availability and antibody specificity. Virtual staining, i.e., computationally translating the H&E image to its IHC counterpart while preserving the tissue structure, is promising for efficient IHC generation. Existing virtual staining methods still face key challenges: 1) effective decomposition of staining style and tissue structure, 2) controllable staining process adaptable to diverse tissue and proteins, and 3) rigorous structural consistency modelling to handle the non-pixel-aligned nature of paired H&E and IHC images. This study proposes a mutual-information (MI)-guided score-based diffusion model for unpaired virtual staining. Specifically, we design 1) a global MI-guided energy function that disentangles the tissue structure and staining characteristics across modalities, 2) a novel timestep-customized reverse diffusion process for precise control of the staining intensity and structural reconstruction, and 3) a local MI-driven contrastive learning strategy to ensure the cellular level structural consistency between H&E-IHC images. Extensive experiments demonstrate the our superiority over state-of-the-art approaches, highlighting its biomedical potential. Codes will be open-sourced upon acceptance.
评论: 11页,3图
主题: 图像与视频处理 (eess.IV) ; 人工智能 (cs.AI); 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.23184 [eess.IV]
  (或者 arXiv:2506.23184v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.23184
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Anran Liu [查看电子邮件]
[v1] 星期日, 2025 年 6 月 29 日 11:02:45 UTC (1,455 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs
cs.AI
cs.CV
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号