論文の概要: Cross-Domain Image Synthesis: Generating H&E from Multiplex Biomarker Imaging
- arxiv url: http://arxiv.org/abs/2508.04734v1
- Date: Tue, 05 Aug 2025 21:19:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-08 18:59:39.579698
- Title: Cross-Domain Image Synthesis: Generating H&E from Multiplex Biomarker Imaging
- Title（参考訳）: クロスドメイン画像合成:多重化バイオマーカーイメージングによるH&Eの生成
- Authors: Jillur Rahman Saurav, Mohammad Sadegh Nasr, Jacob M. Luber,
- Abstract要約: マルチレベルベクトル量子生成適応ネットワーク(VQGAN)を用いて,mIF画像から高忠実度仮想H&E染色を生成する。
以上の結果から,VQGANが生成する仮想染色は,両アーキテクチャが視覚的に可視な染色を生成する一方で,コンピュータ支援診断においてより効果的な基板を提供することが示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: While multiplex immunofluorescence (mIF) imaging provides deep, spatially-resolved molecular data, integrating this information with the morphological standard of Hematoxylin & Eosin (H&E) can be very important for obtaining complementary information about the underlying tissue. Generating a virtual H&E stain from mIF data offers a powerful solution, providing immediate morphological context. Crucially, this approach enables the application of the vast ecosystem of H&E-based computer-aided diagnosis (CAD) tools to analyze rich molecular data, bridging the gap between molecular and morphological analysis. In this work, we investigate the use of a multi-level Vector-Quantized Generative Adversarial Network (VQGAN) to create high-fidelity virtual H&E stains from mIF images. We rigorously evaluated our VQGAN against a standard conditional GAN (cGAN) baseline on two publicly available colorectal cancer datasets, assessing performance on both image similarity and functional utility for downstream analysis. Our results show that while both architectures produce visually plausible images, the virtual stains generated by our VQGAN provide a more effective substrate for computer-aided diagnosis. Specifically, downstream nuclei segmentation and semantic preservation in tissue classification tasks performed on VQGAN-generated images demonstrate superior performance and agreement with ground-truth analysis compared to those from the cGAN. This work establishes that a multi-level VQGAN is a robust and superior architecture for generating scientifically useful virtual stains, offering a viable pathway to integrate the rich molecular data of mIF into established and powerful H&E-based analytical workflows.
- Abstract（参考訳）: マルチプレックス免疫蛍光(mIF)イメージングは、深い空間分解された分子データを提供するが、この情報をヘマトキシリン・アンド・エオシン(H&E)の形態標準と統合することは、基礎となる組織に関する補完的な情報を得るのに非常に重要である。
mIFデータから仮想H&E染色を生成することは、すぐに形態学的文脈を提供する強力なソリューションを提供する。
重要なことに、このアプローチは、H&Eベースのコンピュータ支援診断(CAD)ツールの膨大なエコシステムを、リッチな分子データ分析に適用し、分子と形態学的分析のギャップを埋めることを可能にする。
本研究では,mIF画像から高忠実度仮想H&E染色を作成するために,VQGAN(Vector-Quantized Generative Adversarial Network)を用いた。
我々はVQGANを2つの公開大腸癌データセット上の標準条件GAN(cGAN)ベースラインに対して厳格に評価し、画像類似性と機能的実用性の両方で下流解析の性能を評価する。
以上の結果から,VQGANが生成する仮想染色は,両アーキテクチャが視覚的に可視な画像を生成する一方で,コンピュータ支援診断においてより効果的な基板を提供することが示された。
具体的には、VQGAN生成画像上で行う組織分類タスクにおける下流核のセグメンテーションと意味保存は、cGANのものと比べ、地上構造解析に優れた性能と一致を示した。
この研究により、マルチレベルVQGANは科学的に有用な仮想染色を生成するための堅牢で優れたアーキテクチャであり、mIFの豊富な分子データを確立された強力なH&Eベースの分析ワークフローに統合するための実行可能な経路を提供する。
関連論文リスト
- Disentangled representations of microscopy images [0.9849635250118911]
本研究は、顕微鏡画像分類のためのモデル解釈可能性を高めるために、DRL法を提案する。
本稿では,合成データから学習した表現の伝達に基づくDRLフレームワークが,この領域における精度と解釈可能性とのトレードオフを良好に実現できることを示す。
論文 参考訳（メタデータ） (2025-06-25T17:44:37Z) - Virtual Staining of Label-Free Tissue in Imaging Mass Spectrometry [2.6165589247047465]
空間分解能を高め, 質量分析画像に細胞形態学的コントラストを導入する仮想組織染色法を提案する。
ヒト腎臓組織に対するブラインド試験では、ラベルのないサンプルの実質的に染色された画像は、その組織化学的に染色されたものと密に一致していることが示された。
論文 参考訳（メタデータ） (2024-11-20T08:30:11Z) - Mew: Multiplexed Immunofluorescence Image Analysis through an Efficient Multiplex Network [84.88767228835928]
マルチプレックスネットワークのレンズを通してmIF画像を効率的に処理する新しいフレームワークであるMewを紹介する。
Mew は、幾何学情報のための Voronoi ネットワークと、セルワイドの均一性を捉えるセル型ネットワークという、2つの異なる層からなる多重ネットワークを革新的に構築する。
このフレームワークは、トレーニング中にグラフ全体を処理できるスケーラブルで効率的なグラフニューラルネットワーク(GNN)を備えている。
論文 参考訳（メタデータ） (2024-07-25T08:22:30Z) - ReStainGAN: Leveraging IHC to IF Stain Domain Translation for in-silico
Data Generation [0.12564343689544843]
In-silicoデータセットは、計算病理学において異なる染色パターンを持つ新しいドメインに既存のアノテーションの有用性を拡張することができる。
免疫蛍光 (IF) 画像において, 形態特異的なIHC染色を別の画像チャネルに切り離し, シリカ化学(IHC) 画像を生成するための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-03-11T09:45:34Z) - ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and
Multispectral Data Fusion [54.668445421149364]
HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。
本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
論文 参考訳（メタデータ） (2023-10-11T07:30:37Z) - AMIGO: Sparse Multi-Modal Graph Transformer with Shared-Context
Processing for Representation Learning of Giga-pixel Images [53.29794593104923]
本稿では,スライド病理像全体に対する共有コンテキスト処理の新たな概念を提案する。
AMIGOは、組織内のセルラーグラフを使用して、患者に単一の表現を提供する。
我々のモデルは、データの20%以下で同じ性能を達成できる程度に、欠落した情報に対して強い堅牢性を示す。
論文 参考訳（メタデータ） (2023-03-01T23:37:45Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - A Self-attention Guided Multi-scale Gradient GAN for Diversified X-ray
Image Synthesis [0.6308539010172307]
GAN(Generative Adversarial Networks)を用いて,合成画像の生成によるデータ制限問題に対処する。
モード崩壊、非収束、不安定といったトレーニング課題は、多彩で高品質な画像の合成において、GANのパフォーマンスを低下させる。
本研究では,バイオメディカル画像の特徴の長距離依存性の関係をモデル化する,注意誘導型マルチスケール勾配GANアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-10-09T13:17:17Z) - Preservation of High Frequency Content for Deep Learning-Based Medical
Image Classification [74.84221280249876]
大量の胸部ラジオグラフィーの効率的な分析は、医師や放射線技師を助けることができる。
本稿では,視覚情報の効率的な識別と符号化のための離散ウェーブレット変換(DWT)を提案する。
論文 参考訳（メタデータ） (2022-05-08T15:29:54Z) - MRI to PET Cross-Modality Translation using Globally and Locally Aware GAN (GLA-GAN) for Multi-Modal Diagnosis of Alzheimer's Disease [0.6597195879147557]
現実像を合成できるGAN(Generative Adversarial Network)は、標準的なデータ拡張手法の代替として大きな可能性を秘めている。
本稿では,グローバルな構造的整合性と局所的細部への忠実さを両立させるマルチパスアーキテクチャにより,グローバルかつ局所的に認識された画像間変換GAN(GLA-GAN)を提案する。
論文 参考訳（メタデータ） (2021-08-04T16:38:33Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳（メタデータ） (2020-03-31T11:50:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。