• 목록

[일시]
2025.05.07

[세미나 주제]
Virtual Staining in Histopathology

[발표자]
김정년

[요약]
본 발표는 병리학의 서로 다른 염색 간 변환에 대한 Virtual Staining의 기법들을 소개한다. Structural CycleGAN은 Canny Edge Detection을 통해 Edge Map을 추출하고 이를 비교하는 Structural Loss를 통해 입력 이미지와 생성 이미지간의 구조적 일치를 강화한다. Decoder에는 Output과 결합하는 Attention module을 적용하여 이미지 생성 간 국소적인 패턴뿐만 아니라, 전역적인 패턴을 같이 학습할 수 있도록 한다. PSPStain은 IHC 채널의 DAB의 병리학적 의미를 보존하기 위한 두가지 전략을 사용한다. PALS(Protein Aware Learning Strategy)는 IHC이미지의 광학 밀도맵을 통해 DAB채널의 마스크를 형성하고 두 이미지 간 마스크의 차이를 통해 DAB의 분포적 의미를 학습한다. PCLS(Prototype-Consistent Learning Strategy)는 추출된 DAB채널의 확률 분포 맵을 형성하고, 이 확률 분포맵과 기존 DAB추출 마스크와의 비교를 통해 DAB가 병리 이미지의 어느 부분에 많이 나타나는지를 학습한다. 두 논문의 병리학적 Domain Knowledge를 이용한 Virtual Stainnig의 기법을 현재 연구하는 IHC to H&E Pseudo Labeling 형성에 적용하여 병리학적인 구조를 유지하는 Hematoxylin structual loss를 적용하였고, CD45로 부터 추출된 Pseudo mask를 활용한 attention map을 통해 두 이미지간 공통 정보에 대한 강화 및 병리학적 의미 보존을 강화하고자 한다.

[관련 논문]
- Structural Cycle GAN for Virtual Immunohistochemistry Staining of Gland Markers in the Colon
- Pathological Semantics-Preserving Learning for H&E-to-IHC Virtual Staining

[녹화 영상 링크]
https://us06web.zoom.us/rec/share/RHUhefa07B1v5YgMs7POZ_sTmHG9HLzOxDGuLvtt72OWt28UaHgK1zIZIS6UKkGQ.YKPhHFvL0OdUh9Jt