論文の概要: Graph Domain Adaptation with Dual-branch Encoder and Two-level Alignment for Whole Slide Image-based Survival Prediction

• arxiv url: http://arxiv.org/abs/2411.14001v1
• Date: Thu, 21 Nov 2024 10:35:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 15:19:04.178509
• Title: Graph Domain Adaptation with Dual-branch Encoder and Two-level Alignment for Whole Slide Image-based Survival Prediction
• Title（参考訳）: 全スライド画像を用いた生存予測のためのデュアルブランチエンコーダと2レベルアライメントを用いたグラフ領域適応
• Authors: Yuntao Shou, Peiqiang Yan, Xingjian Yuan, Xiangyong Cao, Qian Zhao, Deyu Meng,
• Abstract要約: 本稿では,WSI ドメイン間の機能およびカテゴリレベルのアライメントを検討するために,デュアルブランチと2レベルアライメント(DETA)フレームワークを提案する。 当社の作業は、WSIデータ分析におけるドメインシフト問題を緩和する最初の試みです。
• 参考スコア（独自算出の注目度）: 40.21378307349686
• License:
• Abstract: In recent years, histopathological whole slide image (WSI)- based survival analysis has attracted much attention in medical image analysis. In practice, WSIs usually come from different hospitals or laboratories, which can be seen as different domains, and thus may have significant differences in imaging equipment, processing procedures, and sample sources. These differences generally result in large gaps in distribution between different WSI domains, and thus the survival analysis models trained on one domain may fail to transfer to another. To address this issue, we propose a Dual-branch Encoder and Two-level Alignment (DETA) framework to explore both feature and category-level alignment between different WSI domains. Specifically, we first formulate the concerned problem as graph domain adaptation (GDA) by virtue the graph representation of WSIs. Then we construct a dual-branch graph encoder, including the message passing branch and the shortest path branch, to explicitly and implicitly extract semantic information from the graph-represented WSIs. To realize GDA, we propose a two-level alignment approach: at the category level, we develop a coupling technique by virtue of the dual-branch structure, leading to reduced divergence between the category distributions of the two domains; at the feature level, we introduce an adversarial perturbation strategy to better augment source domain feature, resulting in improved alignment in feature distribution. To the best of our knowledge, our work is the first attempt to alleviate the domain shift issue for WSI data analysis. Extensive experiments on four TCGA datasets have validated the effectiveness of our proposed DETA framework and demonstrated its superior performance in WSI-based survival analysis.
• Abstract（参考訳）: 近年,病理組織学的全スライド画像(WSI)に基づく生存分析が,医用画像解析において注目されている。 実際には、WSIは通常異なる病院や研究室から来ており、異なる領域と見なすことができるため、撮像装置、処理手順、サンプルソースに大きな違いがある可能性がある。 これらの違いは一般に異なるWSIドメイン間の分散に大きなギャップをもたらすため、あるドメインでトレーニングされた生存分析モデルは別のドメインに転送できない可能性がある。 この問題に対処するために、異なるWSIドメイン間の機能およびカテゴリレベルのアライメントを探索するDETA(Dual-branch Encoder and Two-level Alignment)フレームワークを提案する。 具体的には、まず、WSIのグラフ表現により、グラフ領域適応(GDA)に関する問題を定式化する。 次に、メッセージパッシングブランチと最短パスブランチを含むデュアルブランチグラフエンコーダを構築し、グラフ表現されたWSIから意味情報を明示的に暗黙的に抽出する。 GDAを実現するために,2段階のアライメント手法を提案する: カテゴリレベルでは,2つの領域のカテゴリ分布のばらつきを低減し,また,特徴レベルでは,ソース領域の機能向上のための対角的摂動戦略を導入し,特徴分布の整合性を向上する。 我々の知識を最大限に活用するために、私たちの仕事は、WSIデータ分析のドメインシフト問題を緩和する最初の試みです。 4つのTCGAデータセットの大規模な実験により提案したDETAフレームワークの有効性が検証され、WSIベースの生存分析において優れた性能を示した。

関連論文リスト

• Grounding Stylistic Domain Generalization with Quantitative Domain Shift Measures and Synthetic Scene Images [63.58800688320182]
  ドメインの一般化は機械学習において難しい課題である。 現在の方法論は、スタイリスティック領域におけるシフトに関する定量的な理解を欠いている。 これらのリスクに対処する新しいDGパラダイムを導入する。
  論文  参考訳（メタデータ） (2024-05-24T22:13:31Z)
• HIGT: Hierarchical Interaction Graph-Transformer for Whole Slide Image Analysis [23.67352808816652]
  本稿では,WSI解析のための階層型相互作用グラフ変換器(HIGT)を提案する。 Graph Neural NetworkとTransformerをビルディングコモンズとして、HIGTは短距離ローカル情報と長距離グローバル表現の両方を学ぶことができる。 TCGAプロジェクトの2つの公開WSIデータセットに対して,本手法の評価を行った。
  論文  参考訳（メタデータ） (2023-09-14T03:04:06Z)
• I2F: A Unified Image-to-Feature Approach for Domain Adaptive Semantic Segmentation [55.633859439375044]
  意味的セグメンテーションのための教師なしドメイン適応(UDA)は、重いアノテーション作業から人々を解放する有望なタスクである。 この問題に対処する主要なアイデアは、画像レベルと特徴レベルの両方を共同で実行することである。 本稿では,画像レベルと特徴レベルを統一したセマンティックセグメンテーションのための新しいUDAパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-01-03T15:19:48Z)
• Improving Transferability of Domain Adaptation Networks Through Domain Alignment Layers [1.3766148734487902]
  マルチソースアン教師付きドメイン適応(MSDA)は、ソースモデルの袋から弱い知識を割り当てることで、ラベルのないドメインの予測子を学習することを目的としている。 我々は,DomaIn Alignment Layers (MS-DIAL) のマルチソースバージョンを予測器の異なるレベルに埋め込むことを提案する。 我々の手法は最先端のMSDA法を改善することができ、分類精度の相対利得は+30.64%に達する。
  論文  参考訳（メタデータ） (2021-09-06T18:41:19Z)
• Cross-Domain Facial Expression Recognition: A Unified Evaluation Benchmark and Adversarial Graph Learning [85.6386289476598]
  我々は,クロスドメイン全体的特徴共適応のための新しい逆グラフ表現適応(AGRA)フレームワークを開発した。 我々は,いくつかの一般的なベンチマークで広範囲かつ公平な評価を行い,提案したAGRAフレームワークが従来の最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-03T15:00:31Z)
• Phase Consistent Ecological Domain Adaptation [76.75730500201536]
  意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。 視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。 第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
  論文  参考訳（メタデータ） (2020-04-10T06:58:03Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。