Autonomous Quality and Hallucination Assessment for Virtual Tissue Staining and Digital Pathology

人类组织的病理学染色在各种疾病的诊断中至关重要。最近，利用人工智能的虚拟组织染色技术的进步减轻了传统组织化学染色过程中的一些昂贵和繁琐的步骤，允许无需使用染色试剂进行多重快速染色的无标记组织，同时也保留了组织的完整性。然而，这些虚拟染色组织图像中的潜在幻觉和伪影引起了关注，特别是对于这些方法的临床实用性。组织学图像的质量评估通常由人类专家进行，这可能是主观的，并且取决于专家的培训水平。在这里，我们提出了一种自主质量和幻觉评估方法（称为AQuA），主要设计用于虚拟组织染色，同时也适用于组织化学染色。AQuA在没有接触到基本事实的情况下，检测可接受和不可接受的虚拟染色组织图像时达到了99.8％的准确率，并且与经过认证的病理学家进行的手动评估达成了98.5％的一致性。此外，AQuA在识别看起来逼真的虚拟染色幻觉图像方面实现了超人类的表现，这些图像通常会误导人类诊断者，使其误诊不存在的患者。我们进一步展示了AQuA在各种虚拟和组织化学染色组织图像中的广泛适应性，并展示了其强大的外部泛化性，以检测到虚拟染色网络模型中未见过的幻觉模式以及在传统组织化学染色工作流程中观察到的伪影。该框架为增强虚拟染色的可靠性创造了新的机会，并将为数字病理学和计算成像中的各种图像生成和转换任务提供质量保证。

自动化评估虚拟组织染色质量和幻觉检测

提出了一种自动化质量和幻觉检测方法AQuA，可用于虚拟和组织染色图像，实现了高精度的质量评估和幻觉检测，具有广泛的适应性和外部泛化性。

使用AI技术实现了虚拟染色的快速多重染色，同时保留了组织，提出了AQuA自动化质量和幻觉检测方法，实现了99.8%的质量评估准确率和98.5%的与人工评估的一致性，具有超人的幻觉检测性能，实验结果表明该方法具有广泛的适应性和外部泛化性。

最近的相关研究包括：1.基于深度学习的组织图像分割；2.自动化组织图像分析和诊断；3.虚拟染色技术的应用和发展。