論文の概要: Virtual 3D H&E Staining from Phase-contrast Back-illumination Interference Tomography
- arxiv url: http://arxiv.org/abs/2605.22000v1
- Date: Thu, 21 May 2026 04:58:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-22 16:35:42.097493
- Title: Virtual 3D H&E Staining from Phase-contrast Back-illumination Interference Tomography
- Title（参考訳）: 位相コントラストバックイルミネーション干渉トモグラフィーによる仮想3次元H&E染色
- Authors: Anthony Song, Boyan Zhou, Mayank Golhar, Marisa Morakis, Alex Baras, Nicholas Durr,
- Abstract要約: HistoBIT3Dは、初めてボクセルに結合したBITと蛍光標識された核データセットである。
本稿では,BITボリュームをシフト変動コントラストでリアルなH&Eボリュームに変換する新しい仮想染色フレームワークを提案する。
提案手法は,3次元核分割精度と境界保存性を著しく向上させながら,最先端のリアリズム測定値を実現する。
- 参考スコア（独自算出の注目度）: 1.560016918889092
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Three-dimensional (3D) histopathology of unprocessed tissues has the potential to transform disease management by enabling volumetric characterization of tissue microarchitecture and in-vivo assessment. Back-illumination Interference Tomography (BIT) is a new phase microscopy technology that provides rapid, non-destructive volumetric imaging of unprocessed tissues. However, translating BIT volumes into clinically interpretable H&E images remains challenging, particularly due to shift-variant contrast and the absence of quantitative validation benchmarks. We introduce HistoBIT3D, the first voxel-wise paired BIT and fluorescence-labeled nuclei dataset, enabling quantitative evaluation of structural preservation in unsupervised virtual staining against ground-truth nuclear distributions. Using this dataset, we present a novel virtual staining framework that translates BIT volumes with shift-variant contrast into realistic H&E volumes by leveraging bidirectional multiscale content consistency and cross-domain style reuse to enhance structural fidelity and perceptual realism. Our method achieves state-of-the-art realism metrics while significantly improving 3D nuclei segmentation accuracy and boundary preservation under zero-shot Cellpose evaluation. Together, these contributions establish a quantitatively validated, structurally faithful, and scalable pipeline for 3D virtual H&E staining, advancing the paradigm of slide-free, volumetric computational histopathology. Our data and code are available at: https://github.com/aasong113/HistoBIT3D_VirtualStaining.
- Abstract（参考訳）: 非加工組織の3次元組織病理学は、組織微細構造と生体内評価の体積的評価を可能にして、疾患管理を変革する可能性を秘めている。
Back-illumination Interference Tomography (BIT)は、非加工組織の迅速で非破壊的な容積像を提供する新しい位相顕微鏡技術である。
しかしながら、BITボリュームを臨床的に解釈可能なH&E画像に変換することは、特にシフト変動コントラストと定量的検証ベンチマークの欠如により、依然として困難である。
我々は,最初のボクセルワイドBITと蛍光標識核データセットであるHistoBIT3Dを導入し,非教師なし仮想染色における地中核分布に対する構造保存の定量的評価を可能にした。
このデータセットを用いて、双方向のマルチスケールコンテンツ一貫性とクロスドメインスタイルの再利用を活用して、BITボリュームをシフト変動コントラストでリアルなH&Eボリュームに変換する新しい仮想染色フレームワークを提案する。
提案手法は,ゼロショットセルプレース評価による3次元核分割精度と境界保存性を向上しつつ,最先端のリアリズム測定値を実現する。
これらの貢献により、3次元仮想H&E染色のための定量的に検証され、構造的に忠実でスケーラブルなパイプラインが確立され、スライドのない体積計算組織学のパラダイムが進展した。
私たちのデータとコードは、https://github.com/aasong113/HistoBIT3D_VirtualStainingで利用可能です。
関連論文リスト
- Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。
In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。
IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
論文 参考訳（メタデータ） (2026-03-11T06:14:11Z) - 3DGS-HPC: Distractor-free 3D Gaussian Splatting with Hybrid Patch-wise Classification [80.43401018217367]
3D Gaussian Splatting (3DGS) は新規なビュー合成と3Dシーン再構成において顕著な性能を示した。
その品質は、移動物体や様々な影など、過渡的な気晴らしによって、現実世界の環境において劣化することが多い。
既存の方法は、事前訓練された視覚モデルから抽出されたセマンティックな手がかりに頼り、これらの障害を識別し、抑制する。
本稿では,2つの相補的原理を組み合わせることで,これらの制約を回避するフレームワークである3DGS-HPCを提案する。
論文 参考訳（メタデータ） (2026-03-08T11:16:30Z) - The Texture-Shape Dilemma: Boundary-Safe Synthetic Generation for 3D Medical Transformers [22.195374577712133]
ViTは医療画像分析に革命をもたらしたが、そのデータ不足の性質は、臨床アーカイブの不足とプライバシーの制約と衝突している。
フォーミュラ駆動型スーパービジョンラーニングは、このボトルネックに対する有望な解決策として現れ、実際の患者データを活用することなく、数学的公式から無限の注釈付きサンプルを合成している。
既存のFパラダイムは、均一な強度を持つ単純な幾何学的手法に依存しており、組織テクスチャやCTやMRIのようなモダリティに固有のノイズパターンを無視して、実質的なギャップを生み出している。
本稿では,高頻度合成テクスチャを鼻で添加すると,構造境界の学習に必要な画像勾配信号が劣化し,原因となる臨界衝突境界を同定する。
論文 参考訳（メタデータ） (2026-03-01T08:27:45Z) - 3D-Guided Scalable Flow Matching for Generating Volumetric Tissue Spatial Transcriptomics from Serial Histology [0.9562447539143751]
HoloTeaは3D対応のフローマッチングフレームワークで、隣接部からの情報を明示的に使用しながら、H&Eからスポットレベルの遺伝子発現を誘導する。
グローバルアテンションブロックは、スライド内のスポット数と線形に3D H&Eスケーリングを導入し、大規模な3D STデータセットのトレーニングと推論を可能にする。
論文 参考訳（メタデータ） (2025-11-18T16:08:24Z) - Accelerating 3D Photoacoustic Computed Tomography with End-to-End Physics-Aware Neural Operators [74.65171736966131]
光音響計算トモグラフィ(PACT)は、光コントラストと超音波分解能を組み合わせることで、光拡散限界を超える深部像を実現する。
現在の実装では、高密度トランスデューサアレイと長い取得時間を必要とし、臨床翻訳を制限している。
本研究では,センサ計測からボリューム再構成まで,逆音響マッピングを直接学習する物理認識モデルであるPanoを紹介する。
論文 参考訳（メタデータ） (2025-09-11T23:12:55Z) - Virtual staining for 3D X-ray histology of bone implants [2.4922739987890767]
3次元X線組織学技術は、従来の2次元組織学に代わる非侵襲的な方法を提供する。
ディープラーニングに基づく仮想染色は、ラベルのない光学画像から染色された外観をシミュレートするのに有用である。
この研究は3次元X線画像に仮想染色を導入し、化学的に有意でラベルのない組織の特徴付けのためのスケーラブルな経路を提供する。
論文 参考訳（メタデータ） (2025-09-11T08:14:31Z) - Beyond Imaging: Vision Transformer Digital Twin Surrogates for 3D+T Biological Tissue Dynamics [0.433313790597694]
Vision Transformer Digital Twin Surrogate Network (VT-DTSN)は、生体組織からの3D+T画像データの予測モデリングのためのディープラーニングフレームワークである。
VT-DTSNはショウジョウバエミガットの高忠実で時間分解されたダイナミクスを再構築することを学ぶ。
論文 参考訳（メタデータ） (2025-08-21T16:24:24Z) - Reference-Guided Diffusion Inpainting For Multimodal Counterfactual Generation [55.2480439325792]
自律運転や医用画像解析などの安全クリティカルなアプリケーションは、厳格なテストのために広範なマルチモーダルデータを必要とする。
本研究は, 自律運転における合成データ生成法と, 医療画像解析法であるMObIとAnydoorMedの2つの新しい手法を紹介する。
論文 参考訳（メタデータ） (2025-07-30T19:43:47Z) - T-3DGS: Removing Transient Objects for 3D Scene Reconstruction [83.05271859398779]
映像シーケンスにおける過渡的オブジェクトは、3Dシーン再構成の品質を著しく低下させる可能性がある。
我々は,ガウススプラッティングを用いた3次元再構成において,過渡的障害を頑健に除去する新しいフレームワークT-3DGSを提案する。
論文 参考訳（メタデータ） (2024-11-29T07:45:24Z) - Zero123-6D: Zero-shot Novel View Synthesis for RGB Category-level 6D Pose Estimation [66.3814684757376]
本研究は,RGB 6Dのカテゴリレベルでのポーズ推定を向上するための拡散モデルに基づく新規ビュー合成器の実用性を示す最初の研究であるZero123-6Dを示す。
本手法は,データ要求の低減,ゼロショットカテゴリレベルの6Dポーズ推定タスクにおける深度情報の必要性の除去,およびCO3Dデータセットの実験により定量的に示された性能の向上を示す。
論文 参考訳（メタデータ） (2024-03-21T10:38:18Z)
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。