論文の概要: CellGenNet: A Knowledge-Distilled Framework for Robust Cell Segmentation in Cancer Tissues

• arxiv url: http://arxiv.org/abs/2511.15054v1
• Date: Wed, 19 Nov 2025 02:54:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.600776
• Title: CellGenNet: A Knowledge-Distilled Framework for Robust Cell Segmentation in Cancer Tissues
• Title（参考訳）: CellGenNet: 癌組織におけるロバスト細胞セグメンテーションのための知識蒸留フレームワーク
• Authors: Srijan Ray, Bikesh K. Nirala, Jason T. Yustein, Sundaresh Ram,
• Abstract要約: 我々は,限定的な監督の下で,堅牢なクロスタスクセルセグメンテーションのための知識蒸留フレームワークであるCellGenNetを提案する。 CellGenNetは学生-教師アーキテクチャを採用しており、キャパシティ教師はスパースアノテーションで訓練され、ラベルのない地域でソフトな擬似ラベルを生成する。 様々ながん組織に対する実験により、CellGenNetは、教師付きおよび半教師付きベースラインよりもセグメンテーションの精度と一般化を改善することが示されている。
• 参考スコア（独自算出の注目度）: 0.326654570054705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate nuclei segmentation in microscopy whole slide images (WSIs) remains challenging due to variability in staining, imaging conditions, and tissue morphology. We propose CellGenNet, a knowledge distillation framework for robust cross-tissue cell segmentation under limited supervision. CellGenNet adopts a student-teacher architecture, where a capacity teacher is trained on sparse annotations and generates soft pseudo-labels for unlabeled regions. The student is optimized using a joint objective that integrates ground-truth labels, teacher-derived probabilistic targets, and a hybrid loss function combining binary cross-entropy and Tversky loss, enabling asymmetric penalties to mitigate class imbalance and better preserve minority nuclear structures. Consistency regularization and layerwise dropout further stabilize feature representations and promote reliable feature transfer. Experiments across diverse cancer tissue WSIs show that CellGenNet improves segmentation accuracy and generalization over supervised and semi-supervised baselines, supporting scalable and reproducible histopathology analysis.
• Abstract（参考訳）: 顕微鏡全スライド画像(WSI)における正確な核セグメンテーションは、染色、撮像条件、組織形態の変動により、依然として困難である。 我々は,限定的な監督の下で,堅牢なクロスタスクセルセグメンテーションのための知識蒸留フレームワークであるCellGenNetを提案する。 CellGenNetは学生-教師アーキテクチャを採用しており、キャパシティ教師はスパースアノテーションで訓練され、ラベルのない地域でソフトな擬似ラベルを生成する。 この学生は、地上構造ラベル、教師由来の確率的目標、および二進的クロスエントロピーとトヴェルスキー損失を組み合わせたハイブリッド損失関数を統合した共同目的を用いて最適化され、非対称な罰則がクラス不均衡を緩和し、マイノリティ核構造をよりよく保存する。 一貫性の正規化と層単位でのドロップアウトにより、特徴表現はさらに安定し、信頼性の高い特徴伝達を促進する。 様々ながん組織にわたる実験により、CellGenNetは、トラヒックと半教師付きベースラインよりもセグメンテーションの精度と一般化を改善し、スケーラブルで再現可能な病理組織学解析をサポートすることが示されている。

関連論文リスト

• Adaptive Multi-Scale Integration Unlocks Robust Cell Annotation in Histopathology Images [3.504506659662406]
  我々はXenium空間転写学からマーカー誘導されたデータセットを構築し、8つの臓器に200万セル以上の単一セル解像度ラベルを付けた。 我々は,核形態学と微小環境コンテキストの細胞レベルでのマルチスケール統合のための病理学ワークフローにインスパイアされたフレームワークであるNuClassを紹介する。 以上の結果から,多スケールで不確実性を考慮した核融合は,スライドレベルの病態基盤モデルと信頼度の高い細胞レベルの表現型予測とのギャップを埋める可能性が示唆された。
  論文  参考訳（メタデータ） (2025-11-17T16:49:59Z)
• Enhanced SegNet with Integrated Grad-CAM for Interpretable Retinal Layer Segmentation in OCT Images [0.0]
  そこで本研究では,SegNetによる網膜層分割の自動化と解釈のためのディープラーニングフレームワークを提案する。 改良されたプール戦略を含むアーキテクチャ上の革新は、ノイズの多いOCT画像からの特徴抽出を強化する。 Grad-CAMの可視化では、解剖学的に関連のある領域が強調され、セグメンテーションと臨床バイオマーカーが一致した。
  論文  参考訳（メタデータ） (2025-09-09T14:31:51Z)
• CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
  本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。 私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
  論文  参考訳（メタデータ） (2025-09-02T03:30:07Z)
• RankByGene: Gene-Guided Histopathology Representation Learning Through Cross-Modal Ranking Consistency [11.813883157319381]
  ランク付けに基づくアライメント損失を用いて、遺伝子と画像の特徴を整列する新しいフレームワークを提案する。 そこで我々は,教師と学生のネットワークアーキテクチャを用いた自己指導型知識蒸留を用いて,アライメントの安定性をさらに向上させる。
  論文  参考訳（メタデータ） (2024-11-22T17:08:28Z)
• CoTCoNet: An Optimized Coupled Transformer-Convolutional Network with an Adaptive Graph Reconstruction for Leukemia Detection [0.3573481101204926]
  白血病の分類のためのCoTCoNet(Coupled Transformer Convolutional Network)フレームワークを提案する。 我々のフレームワークは、包括的グローバル特徴とスケーラブルな空間パターンを捉え、複雑で大規模な血液学的特徴の同定を可能にする。 それぞれ0.9894と0.9893のF1スコアレートを達成している。
  論文  参考訳（メタデータ） (2024-10-11T13:31:28Z)
• 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)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• 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)

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。