FPNuNet：一种面向免疫组织化学图像细胞核分割与分类的频率感知提示引导网络

《GigaScience》：FPNuNet: A frequency-aware prompt-guided network for Nuclear Segmentation and Classification in Immunohistochemistry Images

　　

摘要

在免疫组化（IHC）染色的全切片图像中进行精确的细胞核分割与分类（NuSC），对于计算病理学中的可靠生物标志物定量至关重要。尽管现有的NuSC方法在苏木精-伊红（H&E）图像上表现良好，但在IHC染色图像上由于染色异质性、低核对比度以及缺乏生物标志物特异性标注，其性能往往欠佳。先前基于染色标准化或跨域知识迁移的方法在这些条件下仅取得了有限的改善。为克服这些局限性，我们提出了FPNuNet，一种专为IHC染色图像NuSC设计的频率感知提示引导网络。FPNuNet通过四个并行编码器提取多源特征：一个冻结的基于SAM的结构编码器和一个冻结的基于UNI的语义编码器——两者均通过轻量级的基于离散余弦变换（DCT）的提示生成器进行适配——以及一个小波特征编码器和一个多尺度上下文编码器，用于从原始输入中捕获互补的空间和频域描述子。一个基于DCT的频率感知融合颈部模块通过频谱增强将所有四个特征流进行整合，三个协作解码器分支联合预测二值掩膜、水平-垂直向量以及细胞核类型。FPNuNet在CD47-IHCNuSC数据集上进行评估，该数据集包含86个CD47染色的食管癌切片，共18,483个人工标注的细胞核，涵盖七个具有临床意义的亚型。在CD47-IHCNuSC数据集上，FPNuNet在具有挑战性的IHC染色条件下，实现了所有评估方法中最优的实例分割和综合亚型分类性能。