从 HE 形态图像，拓展多通道空间病理信息

产品概述

KRDao 面向 HE 染色与 mIHC 多重染色之间的跨模态图像转换，以 HE 图像所包含的组织形态学信息为基础，学习其与多通道蛋白表达图像之间的关联，生成相应的虚拟染色结果。

平台通过叠合多种生成式染色图像，形成空间病理表型图像，将常规形态学观察拓展至多通道蛋白表达与空间分布信息，为后续研究设计、图像分析和结果验证提供辅助信息。

三类核心能力

已有染色通道的去噪与校正

结合 HE 图像与已有的配对蛋白染色信息，对染色图像中的噪声与表达信息进行校正，同时为其他通道的预测提供参考。

缺失染色通道填补

在已有部分多通道染色数据的情况下，结合 HE 形态信息与可用通道之间的关联，推断缺失通道并生成对应的虚拟染色图像。

基于 HE 图像的从头预测

在没有配套蛋白染色通道输入的情况下，从 HE 图像中提取形态特征，推断目标蛋白表达并生成虚拟单通道或多重染色图像。

技术基础

Diffusion Model + Flow Matching

融合扩散模型与 Flow Matching 生成建模方法，开展 HE 与多通道染色图像之间的跨模态学习与生成，兼顾图像细节表现和生成过程的稳定性。

细胞级对齐的配对训练数据

以同一切片的 HE 与多通道染色配对图像为训练基础，在细胞级精度上对齐组织结构与染色信息，减少配准偏差对模型学习的影响。

HE 形态信息嵌入

深度提取 HE 图像的组织与细胞形态特征，并与多通道染色图像信息共同建模，学习形态结构与蛋白表达空间之间的关联。

从输入到输出

  1. 输入：HE 数字病理图像；根据具体任务，可选配同片多通道染色数据。
  2. 特征提取：提取组织与细胞形态信息，建立对应的图像特征表达。
  3. 生成与优化：执行目标通道预测、已有通道去噪校正或缺失通道填补。
  4. 输出：虚拟单通道染色图像、虚拟 mIHC 多重染色图像及叠合后的空间病理表型图像。

研究与应用价值

KRDao 将常规 HE 图像与多通道染色信息连接起来，支持探索组织形态、蛋白表达和细胞空间分布之间的关系。其生成结果可用于空间病理图像研究、目标通道探索及多模态图像分析，并为后续实验验证提供参考。