高度多重成像不再需要湿实验补偿:SpillOT 零样本去噪与串色校正,在糖尿病数据里找出此前看不到的免疫浸润
高度多重成像的通道串色通常要靠额外湿实验测定补偿矩阵,随机噪声的去除又需要代表性训练集。SpillOT 只从输入图像本身学习,用最优传输思想在通道间寻找相似图像块并只保留真实信号,同时完成去噪与串色校正。在成像质谱流式、t-CyCIF 与 Opal 多重免疫荧光数据上,它超过现有零样本复原方法,并在糖尿病数据中揭示出此前检测不到的免疫浸润模式。
高度多重成像的通道串色通常要靠额外湿实验测定补偿矩阵,随机噪声的去除又需要代表性训练集。SpillOT 只从输入图像本身学习,用最优传输思想在通道间寻找相似图像块并只保留真实信号,同时完成去噪与串色校正。在成像质谱流式、t-CyCIF 与 Opal 多重免疫荧光数据上,它超过现有零样本复原方法,并在糖尿病数据中揭示出此前检测不到的免疫浸润模式。
已读完全部报道