电气工程与系统科学 > 图像与视频处理
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.