FluoCLIP

Abstract

Accurate focus quality assessment （FQA） in fluorescence microscopy is challenging due to stain-dependent optical variations that induce heterogeneous focus behavior across images. Existing methods, however, treat focus quality as a stain-agnostic problem, assuming a shared global ordering. We formulate stain-aware FQA for fluorescence microscopy, showing that focus-rank relationships vary substantially across stains due to stain-dependent imaging characteristics and invalidate this assumption. To support this formulation, we introduce FluoMix, the first dataset for stain-aware FQA spanning multiple tissues, fluorescent stains, and focus levels. We further propose FluoCLIP, a two-stage vision-language framework that grounds stain semantics and enables stain-conditioned ordinal reasoning for focus prediction, effectively decoupling stain representation from ordinal structure. By explicitly modeling stain-dependent focus behavior, FluoCLIP consistently outperforms both conventional FQA methods and recent vision-language baselines, demonstrating strong generalization across diverse fluorescence microscopy conditions. Code and dataset are publicly available at https://fluoclip.github.io/.;형광 현미경에서 정확한 초점 품질 평가（Focus Quality Assessment, FQA）는 염색（Stain） 의존적 광학 변이로 인해 이미지마다 서로 다른 초점 거동이 유발되므로 매우 까다로운 과제이다. 그러나 기존 방법들은 초점 품질을 염색（Stain）과 무관한 문제로 취급하며, 모든 이미지가 공유된 전역 순서（global ordering）를 따른다고 가정한다. 본 연구에서는 형광 현미경을 위한 염색 기반 초점평가（Stain-Aware FQA）를 새롭게 정의하고, 염색（Stain）별 영상（Imaging）의 특성에 따라 초점-순위 관계（focus-rank relationship）가 크게 달라진다는 점을 밝혀 기존의 가정이 타당하지 않음을 입증한다. 이러한 정식화를 뒷받침하기 위해, 다양한 조직, 형광 염색（Stain） 및 초점 단계를 아우르는 염색 기반 초점평가（Stain-Aware FQA）를 위한 최초의 데이터셋인 FluoMix를 소개한다. 나아가, 본 연구는 염색（Stain） 의미론을 기반으로 하여 초점 예측을 위한 염색（Stain） 조건부 서수 추론（ordinal reasoning）을 수행하는 2단계 시각-언어（vision-language） 프레임워크인 FluoCLIP을 제안한다. 이 모델은 서수（ordinal） 구조로부터 염색（Stain） 표현을 효과적으로 분리해낸다. 염색（Stain） 의존적 초점 거동（stain-dependent focus behavior）을 명시적으로 모델링함으로써, FluoCLIP은 기존의 초점 평가 방법론과 최신 시각-언어 베이스라인 모델들을 일관되게 능가하는 성능을 보였으며, 다양한 형광 현미경 조건에서도 강력한 일반화 성능을 입증하였다. 관련 코드와 데이터셋은 다음 링크에서 확인할 수 있다: https://fluoclip.github.io/.