Hybrid Supervised-Unsupervised CycleGAN for Virtual HER2 Immunohistochemistry from Hematoxylin and Eosin Stains
Notice bibliographique
Résumé
HER2-status is a vital biomarker for breast cancer diagnosis and treatment, typically assessed using immunohistochemistry (IHC), a technique that is expensive and demanding of laboratory experience. Hematoxylin and eosin (H&E) staining, in contrast, is widely available and inexpensive, motivating approaches that can computationally translate H&E images into IHC. While previous work has explored translating H&E stains of breast tissue into IHC using purely unsupervised methods, this study introduces a hybrid CycleGAN framework that combines unsupervised cycle-consistency with supervised paired reconstruction objectives. By leveraging the paired structure of the BCI dataset, this approach significantly improves quantitative metrics (PSNR: 16.203 → 17.807 (Adam); SSIM: 0.373 → 0.4061 (AdamW) and visual fidelity compared to unsupervised-only baselines, narrowing the performance gap with supervised-only architectures while maintaining CycleGAN’s flexibility. These f indings show that incorporating limited supervision into cycle-consistent adversarial training enhances H&E-to-IHC translation quality, offering a more affordable and accessible pathway to HER2 screening.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».