論文の概要: Mitigating Spurious Correlations in Patch-wise Tumor Classification on High-Resolution Multimodal Images

• arxiv url: http://arxiv.org/abs/2511.13527v1
• Date: Mon, 17 Nov 2025 16:01:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.348106
• Title: Mitigating Spurious Correlations in Patch-wise Tumor Classification on High-Resolution Multimodal Images
• Title（参考訳）: 高解像度マルチモーダル画像におけるパッチワイド腫瘍分類におけるスパーラス相関の緩和
• Authors: Ihab Asaad, Maha Shadaydeh, Joachim Denzler,
• Abstract要約: パッチワイドバイナリ分類は, パッチ構成とラベルの相互関係を突発的に引き起こす可能性が示唆された。 我々はこの効果を緩和するためのデバイアスング戦略を提案する。 この強化により、致命的なマイノリティケースのモデルパフォーマンスが向上する。
• 参考スコア（独自算出の注目度）: 7.481035149436658
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Patch-wise multi-label classification provides an efficient alternative to full pixel-wise segmentation on high-resolution images, particularly when the objective is to determine the presence or absence of target objects within a patch rather than their precise spatial extent. This formulation substantially reduces annotation cost, simplifies training, and allows flexible patch sizing aligned with the desired level of decision granularity. In this work, we focus on a special case, patch-wise binary classification, applied to the detection of a single class of interest (tumor) on high-resolution multimodal nonlinear microscopy images. We show that, although this simplified formulation enables efficient model development, it can introduce spurious correlations between patch composition and labels: tumor patches tend to contain larger tissue regions, whereas non-tumor patches often consist mostly of background with small tissue areas. We further quantify the bias in model predictions caused by this spurious correlation, and propose to use a debiasing strategy to mitigate its effect. Specifically, we apply GERNE, a debiasing method that can be adapted to maximize worst-group accuracy (WGA). Our results show an improvement in WGA by approximately 7% compared to ERM for two different thresholds used to binarize the spurious feature. This enhancement boosts model performance on critical minority cases, such as tumor patches with small tissues and non-tumor patches with large tissues, and underscores the importance of spurious correlation-aware learning in patch-wise classification problems.
• Abstract（参考訳）: パッチワイドのマルチラベル分類は、高解像度画像において、特に、その正確な空間範囲ではなく、パッチ内の対象物の有無を決定することを目的とした、完全なピクセルワイドセグメンテーションの効率的な代替手段を提供する。 この定式化は、アノテーションのコストを大幅に削減し、トレーニングを単純化し、望ましい決定の粒度のレベルに合わせて柔軟なパッチサイズを可能にする。 本研究では,高分解能マルチモーダル非線形顕微鏡画像に対する単一種類の興味(腫瘍)の検出に適用した,パッチワイドバイナリ分類という特殊なケースに焦点を当てた。 この簡易な定式化は、効率的なモデル開発を可能にするが、パッチ組成とラベルの間に急激な相関関係をもたらす可能性がある。 本稿では,この突発的相関によるモデル予測のバイアスをさらに定量化し,その効果を緩和するためにデバイアス化戦略を提案する。 具体的には、最悪のグループ精度(WGA)を最大化するために適応可能なデバイアス法であるGERNEを適用する。 以上の結果から, 突発的特徴を二項化するために使用する2つのしきい値に対して, ERMに比べ, WGAの約7%改善が認められた。 この拡張は、小組織を持つ腫瘍パッチや大きな組織を持つ非腫瘍パッチのような重要なマイノリティケースのモデル性能を高め、パッチワイド分類問題における素早い相関学習の重要性を浮き彫りにしている。

関連論文リスト

• EvoPS: Evolutionary Patch Selection for Whole Slide Image Analysis in Computational Pathology [0.0]
  マルチオブジェクト最適化問題としてパッチ選択を定式化する新しいフレームワークであるEvoPSを提案する。 The Cancer Genome Atlasの4つの主要ながんコホートにまたがって、我々の枠組みを検証した。
  論文  参考訳（メタデータ） (2025-11-10T19:07:44Z)
• Efficient Classification of Histopathology Images [5.749787074942512]
  腫瘍領域を付加した画像を用いて,腫瘍のパッチセットと良性パッチセットを癌スライドで同定した。 これはパッチレベルの分類において重要な問題となり、"cancerous"とラベル付けされた画像からのパッチの大部分は実際には腫瘍のないものである。
  論文  参考訳（メタデータ） (2024-09-08T17:41:04Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Dual Attention Model with Reinforcement Learning for Classification of Histology Whole-Slide Images [8.404881822414898]
  デジタル全スライド画像(WSI)は一般に顕微鏡分解能で撮影され、広い空間データを包含する。 本稿では,病理医の視覚検査に触発された2つの主成分からなる新しい二重注意アプローチを提案する。 提案手法は,WSIの10%未満を高い倍率で処理しながら,最先端の手法に匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2023-02-19T22:26:25Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• Hierarchical Transformer for Survival Prediction Using Multimodality Whole Slide Images and Genomics [63.76637479503006]
  下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。 本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。 より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
  論文  参考訳（メタデータ） (2022-11-29T23:47:56Z)
• Mixed-UNet: Refined Class Activation Mapping for Weakly-Supervised Semantic Segmentation with Multi-scale Inference [28.409679398886304]
  我々は、デコードフェーズに2つの並列分岐を持つMixed-UNetという新しいモデルを開発する。 地域病院や公開データセットから収集したデータセットに対して,いくつかの一般的なディープラーニングに基づくセグメンテーションアプローチに対して,設計したMixed-UNetを評価した。
  論文  参考訳（メタデータ） (2022-05-06T08:37:02Z)
• Multi-Scale Input Strategies for Medulloblastoma Tumor Classification using Deep Transfer Learning [59.30734371401316]
  乳腺芽腫は小児で最も多い悪性脳腫瘍である。 CNNはMBサブタイプ分類に有望な結果を示した。 タイルサイズと入力戦略の影響について検討した。
  論文  参考訳（メタデータ） (2021-09-14T09:42:37Z)

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。