Segmentation-before-Stainingは仮想IHCからマルチプレックスIFへの翻訳における構造忠実度を向上させる

要約: Multiplex免疫蛍光（mIF）は、組織の完全な構造内で複数のバイオマーカーを同時に単一細胞レベルで定量することを可能にしますが、その高い試薬コスト、複数回の染色プロトコル、および専門的なイメージングプラットフォームの必要性が、日常的な臨床導入を制限しています。仮想染色は、広く入手可能な明視野免疫組織化学（IHC）からmIFチャネルを合成できるが、現在の翻訳モデルはピクセルレベルの忠実度を最適化する一方で、核形態を明示的に制約していません。病理学では、このギャップは臨床的に重要です。核の数、形状、空間配置の微妙な歪みはKi67増殖指数などの定量エンドポイントへ直接影響を与え、数パーセントの誤差が治療に関連するリスクカテゴリを変える可能性があります。本研究は、教師なし・アーキテクチャ非依存の条件付け戦略を導入し、事前学習済みの核分割基盤モデルからの連続的な細胞確率マップを明示的な入力事前情報として挿入するとともに、局所的な強度統計に適合する分散を保持する正則化項を組み合わせ、合成蛍光チャネルにおける細胞レベルのヘテロ性を維持します。ソフトプライアは、二値閾値処理で失われる勾配レベルの境界情報を保持し、タスク固有の調整なしで、より豊かな条件信号を提供します。Pix2Pix（U-NetおよびResNetジェネレータ）、決定論的回帰U-Net、および2つの独立したデータセット上の条件付き拡散を横断した統制実験は、唯一の変更として核数の忠実度と知覚品質の一貫した改善を示します。コードは承認後に公開される予定です。