論文の概要: GNCAF: A GNN-based Neighboring Context Aggregation Framework for Tertiary Lymphoid Structures Semantic Segmentation in WSI

• arxiv url: http://arxiv.org/abs/2505.08430v1
• Date: Tue, 13 May 2025 10:47:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-14 20:57:54.525159
• Title: GNCAF: A GNN-based Neighboring Context Aggregation Framework for Tertiary Lymphoid Structures Semantic Segmentation in WSI
• Title（参考訳）: GNCAF:WSIにおける第三次リンパ組織セマンティックセグメンテーションのためのGNNベースの近隣コンテキストアグリゲーションフレームワーク
• Authors: Lei Su,
• Abstract要約: 我々は、新しいタスクTLSセマンティック(TLS-SS)に焦点を当てる。 全スライド画像(WSI)におけるTLSの領域と成熟段階の両方のTLS-SSセグメント 我々は、GNNベースの近隣コンテキスト集約フレームワーク(GNCAF)を提案する。
• 参考スコア（独自算出の注目度）: 0.6073572808831218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tertiary lymphoid structures (TLS) are organized clusters of immune cells, whose maturity and area can be quantified in whole slide image (WSI) for various prognostic tasks. Existing methods for assessing these characteristics typically rely on cell proxy tasks and require additional post-processing steps. In this work, We focus on a novel task-TLS Semantic Segmentation (TLS-SS)-which segments both the regions and maturation stages of TLS in WSI in an end-to-end manner. Due to the extensive scale of WSI and patch-based segmentation strategies, TLS-SS necessitates integrating from neighboring patches to guide target patch (target) segmentation. Previous techniques often employ on multi-resolution approaches, constraining the capacity to leverage the broader neighboring context while tend to preserve coarse-grained information. To address this, we propose a GNN-based Neighboring Context Aggregation Framework (GNCAF), which progressively aggregates multi-hop neighboring context from the target and employs a self-attention mechanism to guide the segmentation of the target. GNCAF can be integrated with various segmentation models to enhance their ability to perceive contextual information outside of the patch. We build two TLS-SS datasets, called TCGA-COAD and INHOUSE-PAAD, and make the former (comprising 225 WSIs and 5041 TLSs) publicly available. Experiments on these datasets demonstrate the superiority of GNCAF, achieving a maximum of 22.08% and 26.57% improvement in mF1 and mIoU, respectively. Additionally, we also validate the task scalability of GNCAF on segmentation of lymph node metastases.
• Abstract（参考訳）: 第3のリンパ構造(TLS)は免疫細胞の集合体であり、その成熟度と面積は様々な予後タスクのためにスライド画像全体(WSI)で定量化することができる。 これらの特徴を評価する既存の方法は、通常、セルプロキシタスクに依存し、追加の処理後ステップを必要とする。 本稿では,WSIにおけるTLSの領域と成熟段階の両方をエンドツーエンドに区分するタスクTLSセマンティックセグメンテーション(TLS-SS)に焦点を当てる。 WSIとパッチベースのセグメンテーション戦略の広範な規模のため、TLS-SSは、ターゲットパッチ(ターゲット)セグメンテーションをガイドするために、隣接するパッチから統合する必要がある。 従来の手法では、粗い情報を保存しながら、より広い近隣のコンテキストを活用する能力を制限し、多解像度のアプローチをしばしば採用していた。 そこで本研究では,GNNをベースとした近接コンテキスト集約フレームワーク(GNCAF)を提案する。 GNCAFは様々なセグメンテーションモデルと統合することができ、パッチ外のコンテキスト情報を知覚する能力を高めることができる。 TCGA-COADとINHOUSE-PAADという2つのTLS-SSデータセットを構築し、前者(WSI225、TLS5041)を公開しています。 これらのデータセットの実験は、それぞれmF1とmIoUの最大22.08%と26.57%の改善を達成し、GNCAFの優位性を示している。 また,リンパ節転移のセグメンテーションにおけるGNCAFのタスク拡張性についても検証した。

関連論文リスト

• Split Matching for Inductive Zero-shot Semantic Segmentation [52.90218623214213]
  Zero-shot Semantic (ZSS)は、トレーニング中にアノテートされていないカテゴリをセグメントすることを目的としている。 ハンガリーのマッチングを2つのコンポーネントに分離する新しい割当て戦略であるSplit Matching (SM)を提案する。 SMは、インダクティブZSS設定の下で最初に分離されたハンガリー語マッチングを導入し、2つの標準ベンチマークで最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2025-05-08T07:56:30Z)
• GECKO: Gigapixel Vision-Concept Contrastive Pretraining in Histopathology [26.766788349092476]
  本稿では,Gigapixel Vision-Concept Knowledge Contrastive Pretrainingを提案する。 Whole Slide Image (WSI)レベルの埋め込みとConcept Priorを一致させる。 単調かつ多モーダルな事前訓練アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-04-01T17:49:59Z)
• GCUNet: A GNN-Based Contextual Learning Network for Tertiary Lymphoid Structure Semantic Segmentation in Whole Slide Image [2.4619909577455608]
  全スライド画像(WSI)におけるTLSのセマンティックセグメンテーション GCUNet - TLSセマンティックセグメンテーションのためのGNNベースの文脈学習ネットワーク。 我々は,TGA-COAD,TGA-LUSC,TGA-BLCA,INHOUSE-PAADという4つのTLSセマンティックセマンティックセマンティクスデータセットを構築した。 これらのデータセットの実験では、GCUNetの優位性が示されており、SOTAと比較して少なくとも7.41%のmF1の改善が達成されている。
  論文  参考訳（メタデータ） (2024-12-09T01:16:35Z)
• Few-Shot Learning for Annotation-Efficient Nucleus Instance Segmentation [50.407071700154674]
  少数ショット学習(FSL)の観点から、アノテーション効率の良い核インスタンスセグメンテーションを定式化することを提案する。 我々の研究は、計算病理学の隆盛とともに、多くの完全注釈付きデータセットが一般に公開されていることに動機づけられた。 いくつかの公開データセットに対する大規模な実験は、SGFSISが他のアノテーション効率のよい学習ベースラインより優れていることを示している。
  論文  参考訳（メタデータ） (2024-02-26T03:49:18Z)
• Coupling Global Context and Local Contents for Weakly-Supervised Semantic Segmentation [54.419401869108846]
  Weakly Supervised Semantic (WSSS)モデルを提案する。 グローバルなオブジェクトコンテキストを異なる粒度空間でキャプチャするために,フレキシブルなコンテキストアグリゲーションモジュールを提案する。 局所的な細粒度を集約するために、ボトムアップパラメータ学習可能な方法で意味的に一貫した特徴融合モジュールを提案する。
  論文  参考訳（メタデータ） (2023-04-18T15:29:23Z)
• Training Semantic Segmentation on Heterogeneous Datasets [5.584060970507507]
  我々は,従来の単一データセットの均質学習を超えてセマンティックセグメンテーションを探求する。 単一ネットワークトレーニングパイプラインに異種データセットを組み込んだ統合フレームワークを提案する。 我々のフレームワークは、まず異種データセットをキュレートし、それらを共通のフォーマットにし、その後、それらすべてに単一のバックボーンFCNを同時に訓練する。
  論文  参考訳（メタデータ） (2023-01-18T16:22:40Z)
• Generalized Few-shot Semantic Segmentation [68.69434831359669]
  本稿では,GFS-Seg(Generalized Few-Shot Semantic)と呼ばれる新しいベンチマークを導入する。 GFS-セグにおいて、先行する最先端の一般化が不足していることを示す最初の研究である。 本研究では,1)支援サンプルから共起前の知識を活用すること,2)各クエリ画像の内容に基づいて条件付き情報に動的に拡張することにより,性能を著しく向上するコンテキスト認識型プロトタイプ学習(CAPL)を提案する。
  論文  参考訳（メタデータ） (2020-10-11T10:13:21Z)
• Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
  我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。 いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
  論文  参考訳（メタデータ） (2020-09-08T21:55:22Z)

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。