Nuclei-Location Based Point Set Registration of Multi-Stained Whole Slide Images

Whole Slide Images（WSIs）提供了在细胞水平上研究组织结构的非凡细节。为了研究肿瘤微环境（TME）中各种蛋白质生物标志物和细胞亚型的背景，通常需要使用多染色WSIs分析和注册特征。与单染色WSI相比，多染色WSI对刚性和非刚性变形的容忍度较低，此外还存在幻灯片伪影和控制组织，这些都对精确注册构成挑战。传统的注册方法主要关注全局刚性/非刚性注册，但在核水平上对齐具有复杂组织变形的幻灯片仍然存在困难。然而，核水平的非刚性注册对于下游任务（例如在蛋白质生物标志物签名的背景下进行细胞亚型分析）是必要的。本文着重介绍一种基于核位置的点集注册方法，用于对齐多染色WSIs的局部非刚性注册。我们利用在不同染色中突出且一致（在很大程度上）的核的空间分布来建立空间对应关系。我们使用由54个重新染色的H\&E和PHH3图像对组成的HYRECO数据集评估了我们的方法。考虑到良好的核检测算法可获得，该方法可以扩展到其他IHC和IF染色的WSIs。该模型的性能经过与已建立的注册算法进行比较，并且在核水平的注册方面表现出优异的效果。

多染色WSI图像对齐中的局部非刚性配准问题

基于核位置的点集配准方法，利用核的空间分布建立空间对应关系，解决多染色WSI图像对齐中的局部非刚性配准问题。

使用HYRECO数据集进行评估，表现优于传统的配准算法。可以扩展到其他IHC和IF染色的WSI图像中，需要良好的核检测算法。

最近在这个领域中，还有一些相关的研究，如“Deep learning-based registration for whole-slide histopathological images”，“Multi-level registration of histopathology images with nuclear guidance for cancer diagnosis”，“Non-rigid registration of multi-modal images using multi-scale gradient correlation and local phase coherence”。