标题：基于深度学习的前列腺组织H&E虚拟染色方法
作者：李鑫杰 张恒 刘书朋 陆小锋
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：前列腺组织；H&E；Pix2Pix；CBAM；病理学诊断
摘要：目前，传统的病理诊断主要依赖于苏木精和伊红（H&E）染色技术。这一过程包括样本制备、染色以及显微镜下的观察分析。然而，H&E染色通常需要较长的时间，涉及多道繁琐的操作步骤，并且对染色效果的一致性和诊断结果的准确性高度依赖专业病理医生的经验。此外，在实际临床应用中，由于样本数量庞大和专业病理医生资源有限，传统诊断方式往往难以满足高效、精准诊断的需求。为提高诊断效率，提出了一种基于Pix2Pix生成对抗网络（GAN）和卷积块注意力模块（CBAM）的前列腺组织H&E虚拟染色方法。该模型通过在生成器中引入CBAM模块，有效增强了对重要特征区域的关注，保留了输入图像中的关键细节信息。为了提高生成图像的质量，模型使用了对抗性损失（cGAN Loss）、像素级别损失（L1 Loss）以及结构相似性损失（SSIM Loss）对生成过程进行优化。实验结果显示，所提出的方法能够生成与真实H&E染色图像高度相似的虚拟染色图像，为前列腺组织病理学诊断提供了一种高效、精准的解决方案。