論文の概要: M^3-GloDets: Multi-Region and Multi-Scale Analysis of Fine-Grained Diseased Glomerular Detection

• arxiv url: http://arxiv.org/abs/2508.17666v1
• Date: Mon, 25 Aug 2025 04:52:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.63731
• Title: M^3-GloDets: Multi-Region and Multi-Scale Analysis of Fine-Grained Diseased Glomerular Detection
• Title（参考訳）: M^3-GloDets:細粒症糸球体検出の多変量・多変量解析
• Authors: Tianyu Shi, Xinzi He, Kenji Ikemura, Mert R. Sabuncu, Yihe Yang, Ruining Deng,
• Abstract要約: M3-GloDetは、検出モデルの徹底的な評価を可能にするために設計された、体系的なフレームワークである。 我々は、長年のベンチマークアーキテクチャと、注目すべきパフォーマンスを達成した最先端モデルの両方を評価した。 我々の目標は、モデル強度と限界の理解を深め、自動検出戦略の洗練のための実用的な洞察を提供することである。
• 参考スコア（独自算出の注目度）: 8.016032806222892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate detection of diseased glomeruli is fundamental to progress in renal pathology and underpins the delivery of reliable clinical diagnoses. Although recent advances in computer vision have produced increasingly sophisticated detection algorithms, the majority of research efforts have focused on normal glomeruli or instances of global sclerosis, leaving the wider spectrum of diseased glomerular subtypes comparatively understudied. This disparity is not without consequence; the nuanced and highly variable morphological characteristics that define these disease variants frequently elude even the most advanced computational models. Moreover, ongoing debate surrounds the choice of optimal imaging magnifications and region-of-view dimensions for fine-grained glomerular analysis, adding further complexity to the pursuit of accurate classification and robust segmentation. To bridge these gaps, we present M^3-GloDet, a systematic framework designed to enable thorough evaluation of detection models across a broad continuum of regions, scales, and classes. Within this framework, we evaluate both long-standing benchmark architectures and recently introduced state-of-the-art models that have achieved notable performance, using an experimental design that reflects the diversity of region-of-interest sizes and imaging resolutions encountered in routine digital renal pathology. As the results, we found that intermediate patch sizes offered the best balance between context and efficiency. Additionally, moderate magnifications enhanced generalization by reducing overfitting. Through systematic comparison of these approaches on a multi-class diseased glomerular dataset, our aim is to advance the understanding of model strengths and limitations, and to offer actionable insights for the refinement of automated detection strategies and clinical workflows in the digital pathology domain.
• Abstract（参考訳）: 重症糸球体腫の正確な検出は、腎病理の進展に基本的であり、信頼性のある臨床診断の納入を支えている。 コンピュータビジョンの最近の進歩は、ますます高度な検出アルゴリズムを生み出してきたが、研究の大多数は正常な糸球体や大脳性硬化の例に焦点を合わせ、病気の糸球体サブタイプのスペクトルは比較的過小評価されている。 これらの病気の変種を定義するニュアンスで高度に可変な形態的特徴は、最も高度な計算モデルでさえもしばしば失われる。 さらに、現在進行中の議論は、精密な分類と堅牢なセグメンテーションの追求にさらなる複雑さをもたらす、きめ細かな球状解析のための最適な画像拡大と視野の領域の選択を包含している。 M^3-GloDetは、領域、スケール、クラスをまたいだ検出モデルの徹底的な評価を可能にするための体系的なフレームワークである。 このフレームワーク内では,長期にわたるベンチマークアーキテクチャと,最近導入した最先端モデルの両方を評価し,日常的なデジタル腎病理学で発生する領域サイズと画像解像度の多様性を反映した実験的設計を用いて,顕著なパフォーマンスを実現した。 その結果,中間パッチサイズはコンテキストと効率のバランスが良いことがわかった。 さらに、適度な拡大はオーバーフィッティングを減らして一般化を高めた。 本研究の目的は, モデル強度と限界の理解を深め, デジタル病理領域における自動検出戦略と臨床ワークフローの洗練に向けた実用的な洞察を提供することである。

関連論文リスト

• Glo-DMU: A Deep Morphometry Framework of Ultrastructural Characterization in Glomerular Electron Microscopic Images [8.502981501295627]
  複雑で多様な超構造的特徴は、腎臓病のタイプ、進行、予後を示す。 我々は超構造評価のための球状形態計測フレームワーク(Glo-DMU)を提案する。 Glo-DMUは、球状基底膜の厚み、足のプロセスの外観の程度、電子線密度の堆積物の位置を同時に定量する。
  論文  参考訳（メタデータ） (2025-08-14T05:25:30Z)
• Retinal Fundus Multi-Disease Image Classification using Hybrid CNN-Transformer-Ensemble Architectures [0.3277163122167434]
  我々の研究は、網膜疾患による人口の急激な世界的な問題に動機付けられています。 我々の主な目的は、網膜疾患を正確に予測できる包括的診断システムを開発することである。
  論文  参考訳（メタデータ） (2025-03-27T12:55:07Z)
• Histo-Diffusion: A Diffusion Super-Resolution Method for Digital Pathology with Comprehensive Quality Assessment [6.350679043444348]
  ヒスト拡散(Histo-Diffusion)は、デジタル病理学における超解像の生成と評価のために特別に設計された拡散法である。 病理組織学の復元モジュールと、高品質な画像を生成するための制御可能な拡散モジュールを含む。
  論文  参考訳（メタデータ） (2024-08-27T17:31:00Z)
• Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
  早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。 提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。 次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
  論文  参考訳（メタデータ） (2024-08-09T15:10:34Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Generative Adversarial Networks for Stain Normalisation in Histopathology [2.2166690647926037]
  現在の研究における重要な障害の1つは、デジタル病理画像間の高レベルの視覚的変動である。 Sten normalization は、画像の構造的内容を変更することなく、デジタル病理画像の視覚的プロファイルを標準化することを目的としている。 研究者は、病理画像を効率的に正規化し、AIモデルをより堅牢で一般化可能にする方法を見つけることを目的としている。
  論文  参考訳（メタデータ） (2023-08-05T11:38:05Z)
• Multi-Domain Balanced Sampling Improves Out-of-Distribution Generalization of Chest X-ray Pathology Prediction Models [67.2867506736665]
  そこで本研究では, 簡単なバッチサンプリング手法を用いた胸部X線像の分布外一般化法を提案する。 複数のトレーニングデータセット間のバランスの取れたサンプリングは、バランスを取らずにトレーニングされたベースラインモデルよりもパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2021-12-27T15:28:01Z)
• Scale-Space Autoencoders for Unsupervised Anomaly Segmentation in Brain MRI [47.26574993639482]
  本研究では, 異常セグメンテーション性能の向上と, ネイティブ解像度で入力データのより鮮明な再構成を行う汎用能力を示す。 ラプラシアンピラミッドのモデリングにより、複数のスケールで病変のデライン化と集約が可能になる。
  論文  参考訳（メタデータ） (2020-06-23T09:20:42Z)

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。