La coloration virtuelle convertit les images en autofluorescence (AF) sans marquage en un contraste en champ clair semblable à l'hématoxyline et à l'éosine (H&E), pour une pathologie non destructive. Nous adaptons le cadre de pont de Schrödinger neuronal non apparié (UNSB) à la coloration virtuelle AF-vers-H&E et développons un modèle UNSB amélioré (E-UNSB) pour la traduction d'images orientée pathologie. E-UNSB conserve la formulation progressive, unidirectionnelle et stochastique non appariée de transport d'UNSB tout en introduisant une régularisation structurelle spécifique à la pathologie pour préserver la morphologie cellulaire et l'architecture tissulaire. En particulier, les contraintes de saillance et la cohérence des caractéristiques globales fournissent une orientation structurelle multi-échelle pour réduire les distorsions lors de la génération de coloration. Les expériences démontrent une meilleure similitude de distribution et une cohérence morphométrique par rapport aux bases non supervisées évaluées. Une analyse quantitative en aval indique également que les images H&E virtuelles conservent des caractéristiques morphométriques pertinentes pour l'évaluation pathologique, soutenant leur potentiel pour une analyse tissulaire multimodale à haut débit.

Coloration virtuelle; Apprentissage non supervisé; Pont de Schrödinger; Pathologie numérique; Traitement d'images