論文の概要: Translating Light-Sheet Microscopy Images to Virtual H&E Using CycleGAN

• arxiv url: http://arxiv.org/abs/2601.08776v1
• Date: Tue, 13 Jan 2026 18:08:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:19.320354
• Title: Translating Light-Sheet Microscopy Images to Virtual H&E Using CycleGAN
• Title（参考訳）: CycleGANを用いた光シート顕微鏡画像の仮想H&Eへの変換
• Authors: Yanhua Zhao,
• Abstract要約: 蛍光顕微鏡からH&E染色組織像への非対面画像変換のためのCycleGAN(Cycle-Consistent Adrial Network)アプローチを提案する。 このアーキテクチャはResNetベースのジェネレータと残留ブロックとPatchGAN識別器を使用しており、敵、サイクル整合性、アイデンティティ損失で訓練されている。 蛍光顕微鏡による実験では、H&Eのような色特性を採用しながら、形態構造を保存した現実的な擬似H&E画像を生成する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Histopathology analysis relies on Hematoxylin and Eosin (H&E) staining, but fluorescence microscopy offers complementary information. Converting fluorescence images to H&E-like appearance can aid interpretation and integration with standard workflows. We present a Cycle-Consistent Adversarial Network (CycleGAN) approach for unpaired image-to-image translation from multi-channel fluorescence microscopy to pseudo H&E stained histopathology images. The method combines C01 and C02 fluorescence channels into RGB and learns a bidirectional mapping between fluorescence and H&E domains without paired training data. The architecture uses ResNet-based generators with residual blocks and PatchGAN discriminators, trained with adversarial, cycle-consistency, and identity losses. Experiments on fluorescence microscopy datasets show the model generates realistic pseudo H&E images that preserve morphological structures while adopting H&E-like color characteristics. This enables visualization of fluorescence data in a format familiar to pathologists and supports integration with existing H&E-based analysis pipelines.
• Abstract（参考訳）: 病理組織学的解析はヘマトキシリンとエオシン(H&E)染色に依存しているが、蛍光顕微鏡は相補的な情報を提供する。 蛍光画像をH&Eライクな外観に変換することは、標準的なワークフローの解釈と統合に役立つ。 本稿では,多チャンネル蛍光顕微鏡からH&E染色組織像への非対面画像変換のためのCycleGAN(Cycle-Consistent Adversarial Network)アプローチを提案する。 この方法は、C01とC02の蛍光チャネルをRGBに結合し、ペアのトレーニングデータなしで蛍光ドメインとH&Eドメインの双方向マッピングを学習する。 このアーキテクチャはResNetベースのジェネレータと残留ブロックとPatchGAN識別器を使用しており、敵、サイクル整合性、アイデンティティ損失で訓練されている。 蛍光顕微鏡による実験では、H&Eのような色特性を採用しながら、形態構造を保存した現実的な擬似H&E画像を生成する。 これにより、病理学者になじみのあるフォーマットで蛍光データの可視化が可能になり、既存のH&Eベースの分析パイプラインとの統合をサポートする。

関連論文リスト

• PixCell: A generative foundation model for digital histopathology images [49.00921097924924]
  PixCellは,病理組織学における最初の拡散ベース生成基盤モデルである。 われわれはPanCan-30MでPixCellをトレーニングした。
  論文  参考訳（メタデータ） (2025-06-05T15:14:32Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Single color digital H&E staining with In-and-Out Net [0.8271394038014485]
  本稿では,仮想染色タスクに特化して設計された新しいネットワークIn-and-Out Netを提案する。 我々はGAN(Generative Adversarial Networks)に基づいて,反射共焦点顕微鏡(RCM)画像からヘマトキシリンおよびエオシン染色画像へ効率的に変換する。
  論文  参考訳（メタデータ） (2024-05-22T01:17:27Z)
• Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland Markers in the Colon [1.741980945827445]
  ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。 病理学者は、特定の構造や細胞を分析するために異種化学染色(IHC)を必要とする。 ヘマトキシリンとエオシン(H&E)染色は疾患解析、診断、グレーディングにおいて最も頻繁に用いられる染色の一つである。
  論文  参考訳（メタデータ） (2023-08-25T05:24:23Z)
• Deep Learning-Assisted Co-registration of Full-Spectral Autofluorescence Lifetime Microscopic Images with H&E-Stained Histology Images [5.9861067768807]
  我々は,共同登録の成功を著しく改善する,教師なし画像-画像間翻訳ネットワークを示す。 このアプローチは、この範囲を超えるライフタイムイメージや他の染色技術に、力ずくで拡張できる可能性がある。
  論文  参考訳（メタデータ） (2022-02-15T22:09:06Z)
• Exploiting generative self-supervised learning for the assessment of biological images with lack of annotations: a COVID-19 case-study [0.41998444721319217]
  GAN-DLはStyleGAN2アーキテクチャに基づく差別化学習機である。 本手法は, 分類作業だけでなく, 線量応答曲線の導出にも有効であることを示す。
  論文  参考訳（メタデータ） (2021-07-16T08:36:34Z)
• Data-Driven Discovery of Molecular Photoswitches with Multioutput Gaussian Processes [51.17758371472664]
  フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。 本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。 提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
  論文  参考訳（メタデータ） (2020-06-28T20:59:03Z)
• 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)
• Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
  バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。 近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
  論文  参考訳（メタデータ） (2020-02-14T19:30:31Z)

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。