Virtuelle Färbung wandelt markierungsfreie Autofluoreszenz-Bilder (AF) in einen Hämalaun- und Eosin-ähnlichen (H&E) Hellfeld-Kontrast für nicht-destruktive Pathologie um. Wir passen den ungekoppelten neuronalen Schrödinger-Brückenrahmen (UNSB) für die virtuelle Färbung von AF zu H&E an und entwickeln ein verbessertes UNSB-Modell (E-UNSB) für pathologieorientierte Bildübersetzung. E-UNSB behält die ungekoppelte, unidirektionale und progressive stochastische Transportformulierung von UNSB bei und führt gleichzeitig eine spezifische strukturelle Regularisierung für Pathologien ein, um zelluläre Morphologie und Gewebearchitektur zu bewahren. Insbesondere bieten Salienzbeschränkungen und globale Merkmalskonsistenz eine multiskalige strukturelle Anleitung zur Reduzierung von Verzerrungen während der Färbungsgenerierung. Experimente zeigen eine verbesserte Verteilungsähnlichkeit und morphometrische Konsistenz im Vergleich zu den bewerteten unbeaufsichtigten Basislinien. Quantitative Nachanalysen zeigen zudem, dass virtuelle H&E-Bilder morphometrische Merkmale beibehalten, die für die pathologische Bewertung relevant sind, und unterstützen ihr Potenzial für hochdurchsatz-multimodale Gewebeanalyse.

Virtuelle Färbung; Unbeaufsichtigtes Lernen; Schrödinger-Brücke; Digitale Pathologie; Bildverarbeitung