論文の概要: Tissue Aware Nuclei Detection and Classification Model for Histopathology Images

• arxiv url: http://arxiv.org/abs/2511.13615v1
• Date: Mon, 17 Nov 2025 17:21:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 18:52:09.635149
• Title: Tissue Aware Nuclei Detection and Classification Model for Histopathology Images
• Title（参考訳）: 病理組織像の組織認識核検出と分類モデル
• Authors: Kesi Xu, Eleni Chiou, Ali Varamesh, Laura Acqualagna, Nasir Rajpoot,
• Abstract要約: 組織認識核検出(TAND, tissue-Aware Nuclei Detection)は, 関節核の検出と分類を実現する新しいフレームワークである。 TANDは、ConvNeXtベースのエンコーダデコーダと凍結したVirchow-2組織セグメンテーションブランチを結合し、セマンティック組織確率は分類ストリームを選択的に調節する。 TANDは最先端のパフォーマンスを達成し、組織に依存しないベースラインとマスクを監督する手法の両方を超越する。
• 参考スコア（独自算出の注目度）: 0.5219568203653522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate nuclei detection and classification are fundamental to computational pathology, yet existing approaches are hindered by reliance on detailed expert annotations and insufficient use of tissue context. We present Tissue-Aware Nuclei Detection (TAND), a novel framework achieving joint nuclei detection and classification using point-level supervision enhanced by tissue mask conditioning. TAND couples a ConvNeXt-based encoder-decoder with a frozen Virchow-2 tissue segmentation branch, where semantic tissue probabilities selectively modulate the classification stream through a novel multi-scale Spatial Feature-wise Linear Modulation (Spatial-FiLM). On the PUMA benchmark, TAND achieves state-of-the-art performance, surpassing both tissue-agnostic baselines and mask-supervised methods. Notably, our approach demonstrates remarkable improvements in tissue-dependent cell types such as epithelium, endothelium, and stroma. To the best of our knowledge, this is the first method to condition per-cell classification on learned tissue masks, offering a practical pathway to reduce annotation burden.
• Abstract（参考訳）: 正確な核検出と分類は、計算病理学の基礎であるが、既存のアプローチは詳細な専門家アノテーションと組織コンテキストの不十分な使用に依存しているため妨げられている。 組織マスクコンディショニングにより強化されたポイントレベルインスペクションを用いて,結合核の検出と分類を実現する新しいフレームワークであるTANDについて述べる。 TAND は ConvNeXt ベースのエンコーダデコーダと凍結した Virchow-2 組織セグメンテーションブランチを結合し、セマンティック組織確率は、新しいマルチスケール空間特徴量線形変調 (Spatial-FiLM) によって分類ストリームを選択的に修飾する。 PUMAベンチマークでは、TANDは最先端のパフォーマンスを達成し、組織に依存しないベースラインとマスクを監督する手法の両方を超越している。 特に, 上皮, 内皮, 線条体などの組織依存性細胞型が著明に改善した。 我々の知る限り、この方法は、学習した組織マスクに細胞ごとの分類を条件付ける最初の方法であり、アノテーションの負担を軽減するための実践的な経路を提供する。

関連論文リスト

• Channel-Imposed Fusion: A Simple yet Effective Method for Medical Time Series Classification [18.061020420145407]
  本研究は、構造的透明性を重視したモデリングパラダイムに焦点を移し、医療データの本質的な特徴とより密接に一致させる。 本稿では,チャネル間情報融合による信号と雑音の比を高める新しい手法であるChannel Imposed Fusion (CIF)を提案する。 複数のパブリックなEEGおよびECGデータセットの実験結果は、提案手法が既存の最先端(SOTA)アプローチを様々な分類基準で上回るだけでなく、分類プロセスの透明性を著しく向上させ、医療時系列分類の新しい視点を提供することを示した。
  論文  参考訳（メタデータ） (2025-05-31T01:44:30Z)
• FECT: Classification of Breast Cancer Pathological Images Based on Fusion Features [1.9356426053533178]
  We propose a novel breast cancer tissue classification model that fused features of Edges, Cells, and tissues (FECT)。 我々のモデルは、分類精度とF1スコアの観点から、現在の高度な手法を超越している。 本モデルは解釈可能性を示し,今後の臨床応用において重要な役割を担っている。
  論文  参考訳（メタデータ） (2025-01-17T11:32:33Z)
• 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)
• Prompt-based Grouping Transformer for Nucleus Detection and Classification [70.55961378096116]
  核の検出と分類は、疾患の診断に有効な情報を生み出す。 既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。 グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-22T04:50:48Z)
• Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
  ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。 本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。 次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
  論文  参考訳（メタデータ） (2023-02-22T14:52:06Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• PointNu-Net: Keypoint-assisted Convolutional Neural Network for Simultaneous Multi-tissue Histology Nuclei Segmentation and Classification [23.466331358975044]
  ヘマトキシリンおよびエオシン染色組織学データから核を同時に検出し,分画し,分類する新しい手法を考案し,その設計を行った。 本研究は,19種類の組織にまたがる核分割と分類のための提案手法の優れた性能を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:29:40Z)
• Learning Tubule-Sensitive CNNs for Pulmonary Airway and Artery-Vein Segmentation in CT [45.93021999366973]
  肺気道,動脈,静脈の分節に対する畳み込みニューラルネットワーク(CNN)の訓練は困難である。 コントラスト非造影CTにおいて,CNNによる正確な気道および動脈静脈分画法を提案する。 細気管支、動脈、静脈に対して優れた感受性を有する。
  論文  参考訳（メタデータ） (2020-12-10T15:56:08Z)
• HACT-Net: A Hierarchical Cell-to-Tissue Graph Neural Network for Histopathological Image Classification [11.051615198681565]
  本稿では,組織の構造的描写を改善するために,新しい階層型細胞-組織グラフ(HACT)表現法を提案する。 低レベルの細胞グラフ、細胞形態と相互作用のキャプチャー、高レベルの組織グラフ、組織部分の形態と空間分布のキャプチャー、および細胞間階層で構成されている。 本手法は,H&E染色胸腺癌全体から注目される組織領域のアノテートについて検討した。
  論文  参考訳（メタデータ） (2020-07-01T16:22:48Z)

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。