EUVIMEDEUVIMED entdecken
Crossref

无监督掩码循环对抗网络实现细胞虚拟染色

Jun-hao LIN, Yun-fei ZHANG, Shao-wei CHEN, Guo-xun ZHANG, Hao XIE

Chinese Optics · 2026 · 19 (4) · 787-800

DOI: 10.37188/co.2026-0021 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Chinese Optics, 2026. Verfasst von Jun-hao LIN und 4 weiteren Autor:innen.

AbstractBibliografische AngabenZitieren

Abstract (Originalsprache)

虚拟染色技术通过深度学习实现无标记成像到荧光特异性成像的转换,能够显著降低活细胞成像的复杂性和光毒性,从而实现多通道、高通量、长时程的高分辨率成像,对生物医学研究具有重要意义。现有方法多依赖配对数据的有监督学习,为降低虚拟染色对配对数据的依赖,并进一步提升生成图像的质量,本文提出一种融合掩码自监督机制的无监督虚拟染色框架MVS-CycleGAN。该方法无需配对图像,通过引入随机掩码重建任务,遮挡输入图像的部分区域并强制网络利用语义信息进行补全,使模型能够同时捕捉目标域的全局形态和局部纹理,有效施加语义约束,从而缓解传统无监督模型在跨域转换中常见的语义漂移问题。在三类细胞数据集上的实验表明,MVS-CycleGAN整体优于传统方法:FSIM在BJ-5ta细胞膜/细胞核分别为0.784和0.565,HEK293T为0.854/0.830,Neuromast为0.657/0.740(分别提升了1.03%、9.50%、1.07%、0.85%、1.08%、5.56%)。此外,下游分割实验进一步证实了虚拟染色图像在定量分析中的有效性。研究结果表明,该方法为虚拟染色技术在多样化生物医学场景中的应用提供一种可行的解决思路。

Zitieren

APA

LIN, J., ZHANG, Y., CHEN, S., ZHANG, G., & XIE, H. (2026). 无监督掩码循环对抗网络实现细胞虚拟染色. Chinese Optics, 19(4), 787-800. https://doi.org/10.37188/co.2026-0021

Vancouver

LIN J, ZHANG Y, CHEN S, ZHANG G, XIE H. 无监督掩码循环对抗网络实现细胞虚拟染色. Chinese Optics. 2026;19(4):787-800. doi:10.37188/co.2026-0021

BibTeX
@article{LIN2026,
  author = {LIN, Jun-hao and ZHANG, Yun-fei and CHEN, Shao-wei and ZHANG, Guo-xun and XIE, Hao},
  title = {无监督掩码循环对抗网络实现细胞虚拟染色},
  journal = {Chinese Optics},
  year = {2026},
  volume = {19},
  number = {4},
  pages = {787--800},
  doi = {10.37188/co.2026-0021}
}
Kostenlos starten →