Fugu-MT 論文翻訳(概要): Pathology Context Recalibration Network for Ocular Disease Recognition

論文の概要: Pathology Context Recalibration Network for Ocular Disease Recognition

arxiv url: http://arxiv.org/abs/2512.24066v1
Date: Tue, 30 Dec 2025 08:21:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-01-01 23:27:28.323847
Title: Pathology Context Recalibration Network for Ocular Disease Recognition
Title（参考訳）: 眼疾患認識のための病理コンテキストリカレーションネットワーク
Authors: Zunjie Xiao, Xiaoqing Zhang, Risa Higashita, Jiang Liu,
Abstract要約: 我々は,病的文脈の可能性を事前に活用するために,新しい病的再校正モジュール (PRM) を開発した。また,EPGA (Presideed Guidance Adapter) を用いて,重要なピクセルワイド表示領域の強調を行う。 3つの眼疾患データセットに対する実験は、最先端の注意に基づくネットワークよりもPCRNetとILの優位性を実証している。
参考スコア（独自算出の注目度）: 10.100861636985247
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Pathology context and expert experience play significant roles in clinical ocular disease diagnosis. Although deep neural networks (DNNs) have good ocular disease recognition results, they often ignore exploring the clinical pathology context and expert experience priors to improve ocular disease recognition performance and decision-making interpretability. To this end, we first develop a novel Pathology Recalibration Module (PRM) to leverage the potential of pathology context prior via the combination of the well-designed pixel-wise context compression operator and pathology distribution concentration operator; then this paper applies a novel expert prior Guidance Adapter (EPGA) to further highlight significant pixel-wise representation regions by fully mining the expert experience prior. By incorporating PRM and EPGA into the modern DNN, the PCRNet is constructed for automated ocular disease recognition. Additionally, we introduce an Integrated Loss (IL) to boost the ocular disease recognition performance of PCRNet by considering the effects of sample-wise loss distributions and training label frequencies. The extensive experiments on three ocular disease datasets demonstrate the superiority of PCRNet with IL over state-of-the-art attention-based networks and advanced loss methods. Further visualization analysis explains the inherent behavior of PRM and EPGA that affects the decision-making process of DNNs.
Abstract（参考訳）: 臨床眼疾患の診断における病態コンテキストと専門的経験は重要な役割を担っている。ディープ・ニューラル・ネットワーク(DNN)は、優れた眼疾患認識結果を持っているが、眼疾患認識性能と意思決定の解釈性を改善するために、臨床病理学的文脈や専門的経験の探求を無視することが多い。この目的のために,我々はまず,よく設計されたピクセルワイド・コンテクスト圧縮演算子と病理分布集中演算子を組み合わせることで,それまでの病的文脈の潜在能力を活用できる新しい病的適応モジュール(PRM)を開発し,また,新たな専門家の事前指導適応器(EPGA)を適用して,それまでの専門的経験を十分にマイニングすることで,重要なピクセルワイド表現領域をさらに強調する。 PRMとEPGAを現代のDNNに組み込むことで、PCRNetは自動眼疾患認識のために構築される。さらに,PCRNetの眼疾患認識性能を高めるために,サンプル単位の損失分布とトレーニングラベル周波数の影響を考慮し,統合的損失(IL)を導入した。 3つの眼疾患データセットに関する広範な実験は、最先端の注意に基づくネットワークや高度な損失法よりもPCRNetとILの優位性を実証している。さらなる可視化分析は、DNNの意思決定プロセスに影響を与えるPRMとEPGAの固有の振る舞いを説明する。

関連論文リスト

A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文参考訳（メタデータ） (2025-12-15T10:22:43Z)
MedEyes: Learning Dynamic Visual Focus for Medical Progressive Diagnosis [17.59077756990045]
MedEyesは、臨床医スタイルの診断推論を動的にモデル化する強化学習フレームワークである。二重モード探索法を用いて診断過程をエミュレートし, 組織的異常局所化をスキャンし, 詳細な地域分析を行う。実験の結果、MedEyesは複数の医療用VQAベンチマークで+8.5%の性能向上を達成した。
論文参考訳（メタデータ） (2025-11-27T01:47:43Z)
PathMR: Multimodal Visual Reasoning for Interpretable Pathology Diagnosis [9.728322291979564]
病理画像解析のための細胞レベルでのマルチモーダルビジュアル推論フレームワークであるPathMRを提案する。 PathMRは、テキスト生成品質、セグメンテーション精度、モーダルアライメントにおいて、最先端の視覚的推論手法よりも一貫して優れていることを示す。
論文参考訳（メタデータ） (2025-08-28T14:46:24Z)
Current and future roles of artificial intelligence in retinopathy of prematurity [14.333209377077058]
未熟児の網膜症 (ROP) は重篤な病態である。近年のディープラーニング(DL)、特に畳み込みニューラルネットワーク(CNN)は、ROPの検出と分類を大幅に改善している。 i-ROP 深層学習 (i-ROP-DL) システムもまた,高次疾患の検出を約束し,信頼性なROP 診断能を提供する。
論文参考訳（メタデータ） (2024-02-15T14:35:02Z)
Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文参考訳（メタデータ） (2023-11-10T11:49:49Z)
Explainable Artificial Intelligence in Retinal Imaging for the detection of Systemic Diseases [0.0]
本研究では,Deep Convolutional Neural Networks(CNN)を直接使用せずに,説明可能な段階的な段階付けプロセスを評価することを目的とする。我々は,眼底画像の網膜血管評価を行うクリニアン・イン・ザ・ループ支援インテリジェントワークフローを提案する。半自動的な方法論は、臨床医からのより多くのインプットと解釈を持つ医療アプリケーションにおいて、AIに対する連合的なアプローチを持つことを目的としている。
論文参考訳（メタデータ） (2022-12-14T07:00:31Z)
Cross-modal Clinical Graph Transformer for Ophthalmic Report Generation [116.87918100031153]
眼科報告生成(ORG)のためのクロスモーダルな臨床グラフ変換器(CGT)を提案する。 CGTは、デコード手順を駆動する事前知識として、臨床関係を視覚特徴に注入する。大規模FFA-IRベンチマークの実験は、提案したCGTが従来のベンチマーク手法より優れていることを示した。
論文参考訳（メタデータ） (2022-06-04T13:16:30Z)
An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文参考訳（メタデータ） (2021-03-02T13:14:15Z)
Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
論文参考訳（メタデータ） (2020-04-03T14:07:41Z)

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。