La tinción virtual convierte imágenes de autofluorescencia (AF) sin marcadores en un contraste de campo claro similar a hematoxilina y eosina (H&E) para una patología no destructiva. Adaptamos el marco de puente neuronal no emparejado de Schrödinger (UNSB) a la tinción virtual de AF a H&E y desarrollamos un modelo UNSB mejorado (E-UNSB) para la traducción de imágenes orientada a la patología. E-UNSB conserva la formulación de transporte estocástico progresivo, no emparejado y unidireccional de UNSB, mientras introduce regularización estructural específica de la patología para preservar la morfología celular y la arquitectura tisular. En particular, las restricciones de prominencia y la consistencia de características globales proporcionan una orientación estructural a múltiples escalas para reducir la distorsión durante la generación de la tinción. Los experimentos demuestran una similitud de distribución y una consistencia morfométrica mejoradas en comparación con las bases no supervisadas evaluadas. Además, el análisis cuantitativo posterior indica que las imágenes virtuales H&E conservan características morfométricas relevantes para la evaluación patológica, apoyando su potencial para el análisis tisular multimodal de alto rendimiento.

Tinción virtual; Aprendizaje no supervisado; Puente de Schrödinger; Patología digital; Procesamiento de imágenes