論文の概要: SENCA-st: Integrating Spatial Transcriptomics and Histopathology with Cross Attention Shared Encoder for Region Identification in Cancer Pathology

• arxiv url: http://arxiv.org/abs/2511.08573v1
• Date: Wed, 12 Nov 2025 02:05:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-12 20:17:03.870164
• Title: SENCA-st: Integrating Spatial Transcriptomics and Histopathology with Cross Attention Shared Encoder for Region Identification in Cancer Pathology
• Title（参考訳）: SENCA-st:癌病理領域同定のためのクロスアテンション共有エンコーダを用いた空間転写学と病理組織学の統合
• Authors: Shanaka Liyanaarachchi, Chathurya Wijethunga, Shihab Aaquil Ahamed, Akthas Absar, Ranga Rodrigo,
• Abstract要約: 両モードの特徴を保存したSENCA-st(Shared with Neighborhood Cross Attention)を提案する。 腫瘍均一性および腫瘍微小環境領域の検出における最先端手法を超越したモデルの性能を実証した。
• 参考スコア（独自算出の注目度）: 0.7176906280023595
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Spatial transcriptomics is an emerging field that enables the identification of functional regions based on the spatial distribution of gene expression. Integrating this functional information present in transcriptomic data with structural data from histopathology images is an active research area with applications in identifying tumor substructures associated with cancer drug resistance. Current histopathology-spatial-transcriptomic region segmentation methods suffer due to either making spatial transcriptomics prominent by using histopathology features just to assist processing spatial transcriptomics data or using vanilla contrastive learning that make histopathology images prominent due to only promoting common features losing functional information. In both extremes, the model gets either lost in the noise of spatial transcriptomics or overly smoothed, losing essential information. Thus, we propose our novel architecture SENCA-st (Shared Encoder with Neighborhood Cross Attention) that preserves the features of both modalities. More importantly, it emphasizes regions that are structurally similar in histopathology but functionally different on spatial transcriptomics using cross-attention. We demonstrate the superior performance of our model that surpasses state-of-the-art methods in detecting tumor heterogeneity and tumor micro-environment regions, a clinically crucial aspect.
• Abstract（参考訳）: 空間転写学は、遺伝子発現の空間分布に基づく機能領域の同定を可能にする新興分野である。 転写学的データに含まれるこれらの機能情報を病理組織像からの構造データと統合することは、がん薬剤耐性に関連する腫瘍のサブ構造を特定するための積極的な研究分野である。 現在の病理組織学的-空間転写学的領域分割法は, 空間転写学的データの処理を支援するためだけに, あるいは, 機能的情報の欠落を助長するだけの共通特徴のみによって, 病理組織学的イメージを顕著にするバニラコントラスト学習を用いて, 空間転写学的特徴を目立たせるために苦慮している。 両極端とも、モデルは空間転写学のノイズで失われるか、過度に滑らかになり、必須情報を失う。 そこで我々は,両モードの特徴を保存した新しいアーキテクチャSENCA-st(Shared Encoder with Neighborhood Cross Attention)を提案する。 さらに重要なことは、組織学において構造的に類似しているが、クロスアテンションを用いた空間転写学において機能的に異なる領域を強調することである。 腫瘍異質性および腫瘍微小環境領域の検出における最先端手法を超越したモデルの性能を,臨床的に重要な側面として示す。

関連論文リスト

• Classification of Histopathology Slides with Persistence Homology Convolutions [0.0]
  本稿では、永続的ホモロジー畳み込み演算子の修正版を用いて、局所的永続的ホモロジーに基づくデータを生成する新しい手法を提案する。 これらの結果から, 持続的ホモロジー畳み込みは, 病理組織学的スライドから有意な幾何学的情報を抽出することが示唆された。
  論文  参考訳（メタデータ） (2025-07-18T21:56:53Z)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [57.044719143401664]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• Multi-modal Spatial Clustering for Spatial Transcriptomics Utilizing High-resolution Histology Images [1.3124513975412255]
  空間転写学(spatial transcriptomics, ST)は、空間的文脈を保ちながら、転写産物全体の遺伝子発現プロファイリングを可能にする。 現在の空間クラスタリング法では、高解像度の組織像と遺伝子発現データを完全に統合することができない。 本稿では、遺伝子発現データと組織像の特徴を融合した、新しいコントラスト学習に基づく深層学習手法を提案する。
  論文  参考訳（メタデータ） (2024-10-31T00:32:24Z)
• Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
  生物学的文脈における暗黙の対応の重要性を明らかにする。 モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
  論文  参考訳（メタデータ） (2024-07-14T04:41:16Z)

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。