論文の概要: Fast, Unsupervised Framework for Registration Quality Assessment of Multi-stain Histological Whole Slide Pairs
- arxiv url: http://arxiv.org/abs/2602.04046v1
- Date: Tue, 03 Feb 2026 22:30:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-05 19:45:11.294748
- Title: Fast, Unsupervised Framework for Registration Quality Assessment of Multi-stain Histological Whole Slide Pairs
- Title（参考訳）: マルチステア・ヒストロジカル・スライディング・ペアの登録品質評価のための高速・教師なしフレームワーク
- Authors: Shikha Dubey, Patricia Raciti, Kristopher Standish, Albert Juan Ramon, Erik Ames Burlingame,
- Abstract要約: 全スライド画像(WSI)の高忠実性登録は分子解析に不可欠であるが,GTアノテーションを使わずに評価は困難である。
本研究は,登録H&EとIHC WSIペアの登録品質評価(RQA)のための,組織マスクのダウンサンプリングと変形に基づくメトリクスを併用した,高速かつ教師なしのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.08209843760716957
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: High-fidelity registration of histopathological whole slide images (WSIs), such as hematoxylin & eosin (H&E) and immunohistochemistry (IHC), is vital for integrated molecular analysis but challenging to evaluate without ground-truth (GT) annotations. Existing WSI-level assessments -- using annotated landmarks or intensity-based similarity metrics -- are often time-consuming, unreliable, and computationally intensive, limiting large-scale applicability. This study proposes a fast, unsupervised framework that jointly employs down-sampled tissue masks- and deformations-based metrics for registration quality assessment (RQA) of registered H&E and IHC WSI pairs. The masks-based metrics measure global structural correspondence, while the deformations-based metrics evaluate local smoothness, continuity, and transformation realism. Validation across multiple IHC markers and multi-expert assessments demonstrate a strong correlation between automated metrics and human evaluations. In the absence of GT, this framework offers reliable, real-time RQA with high fidelity and minimal computational resources, making it suitable for large-scale quality control in digital pathology.
- Abstract（参考訳）: ヘマトキシリン&エオシン (H&E) や免疫組織化学 (IHC) などの病理組織学的全スライド画像 (WSI) の高忠実な登録は, 統合分子解析には不可欠であるが, グラウンドトルース (GT) アノテーションを使わずに評価することは困難である。
既存のWSIレベルの評価 – 注釈付きランドマークや強度ベースの類似度メトリクスを使用する – は、多くの場合、時間的、信頼性が低く、計算集約的であり、大規模な適用性を制限する。
本研究は,登録H&EとIHC WSIペアの登録品質評価(RQA)のための,組織マスクのダウンサンプリングと変形に基づくメトリクスを併用した,高速かつ教師なしのフレームワークを提案する。
マスクベースのメトリクスはグローバルな構造対応を計測し、変形ベースのメトリクスは局所的な滑らかさ、連続性、変換リアリズムを評価する。
複数のIHCマーカーとマルチエキスパート評価の検証は、自動化されたメトリクスと人間の評価との間に強い相関関係を示す。
GTがなければ、このフレームワークは高い忠実度と最小限の計算資源を持つ信頼性の高いリアルタイムRQAを提供し、デジタル病理学における大規模品質管理に適している。
関連論文リスト
- Fine-Grained Human Pose Editing Assessment via Layer-Selective MLLMs [70.31435391393642]
我々は17の最先端編集モデルから1,700の標準化されたサンプルをベンチマークで紹介する。
層選択型マルチモーダル言語モデル(MLLM)に基づく統一フレームワークを提案する。
本フレームワークは,信頼性検出と多次元品質回帰の両方において優れた性能を実現する。
論文 参考訳（メタデータ） (2026-01-15T13:22:07Z) - MS-ISSM: Objective Quality Assessment of Point Clouds Using Multi-scale Implicit Structural Similarity [65.85858856481131]
点雲の非構造的で不規則な性質は、客観的品質評価(PCQA)に重大な課題をもたらす
マルチスケールインシシシット構造類似度測定(MS-ISSM)を提案する。
論文 参考訳（メタデータ） (2026-01-03T14:58:52Z) - GAPS: A Clinically Grounded, Automated Benchmark for Evaluating AI Clinicians [32.33432636089606]
AI臨床システムの現在のベンチマークは、実際の臨床実践に必要な深さ、堅牢性、安全性を捉えていない。
本稿では, GAPSフレームワーク, textbfGrounding (認識深度), textbfAdequacy (回答完全性), textbfPerturbation (損耗性), textbfSafetyを提案する。
GAPS準拠のベンチマークをエンドツーエンドに構築するための,完全自動化されたガイドライン変換パイプラインを開発した。
論文 参考訳（メタデータ） (2025-10-15T16:40:28Z) - CRACQ: A Multi-Dimensional Approach To Automated Document Assessment [0.0]
CRACQは、コヒーレンス、リゴール、適切性、完全性、品質といった、f i v e特有の特性で文書を評価するのに適した多次元評価フレームワークである。
言語的、意味的、構造的なシグナルを累積評価に統合し、全体的および特性レベルの分析を可能にする。
論文 参考訳（メタデータ） (2025-09-26T17:01:54Z) - STAR: A Fast and Robust Rigid Registration Framework for Serial Histopathological Images [2.4947556305222345]
剛性登録のためのシリアル組織アライメント(STAR)は、マルチWSIアライメントのための高速で堅牢なオープンソースフレームワークである。
複数の臓器とスキャン条件にまたがるANHIR 2019とABAT 2022データセットの評価。
STARは1スライドあたりの安定なアライメントを一定に生成し、クロスステア・バリアビリティと部分組織オーバーラップに対する堅牢性を実証した。
論文 参考訳（メタデータ） (2025-09-03T02:32:24Z) - Structural Connectome Harmonization Using Deep Learning: The Strength of Graph Neural Networks [0.9663199711697325]
構造コネクトーム(SC)研究における小さなサンプルサイズは、神経学的および精神疾患に対する信頼性の高いバイオマーカーの開発を制限する。
大規模なマルチサイト研究は存在するが、スキャナーの不均一性による買収関連バイアスがある。
本稿では,メタデータを必要とせず,多様な取得サイト間でSCを調和させる,サイト条件の深い調和フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-18T14:58:05Z) - CAS-IQA: Teaching Vision-Language Models for Synthetic Angiography Quality Assessment [11.527245046470123]
低品質の合成血管造影は、手続き的リスクを著しく増大させる。
本稿では,視覚言語モデル(VLM)に基づく細粒度品質スコア予測フレームワークであるCAS-IQAを提案する。
CAS-3Kデータセットの実験では、CAS-IQAは最先端のIQA法よりもかなり優れていた。
論文 参考訳（メタデータ） (2025-05-23T08:27:05Z) - Metrics that matter: Evaluating image quality metrics for medical image generation [48.85783422900129]
本研究は、脳MRIデータを用いて、一般的に使用される非参照画像品質指標を包括的に評価する。
本研究は, ノイズ, 分布変化, および臨床的に関係のある不正確さを模倣した形態的変化を含む, 様々な課題に対する計量感度を評価する。
論文 参考訳（メタデータ） (2025-05-12T01:57:25Z) - RAGEval: Scenario Specific RAG Evaluation Dataset Generation Framework [66.93260816493553]
本稿では,様々なシナリオにまたがってRAGシステムを評価するためのフレームワークであるRAGvalを紹介する。
事実の正確性に焦点をあてて,完全性,幻覚,不適切性の3つの新しい指標を提案する。
実験結果から, RAGEvalは, 生成した試料の明瞭度, 安全性, 適合性, 豊かさにおいて, ゼロショット法とワンショット法より優れていた。
論文 参考訳（メタデータ） (2024-08-02T13:35:11Z) - GO FIGURE: A Meta Evaluation of Factuality in Summarization [131.1087461486504]
本稿では,現実性評価指標を評価するメタ評価フレームワークGO FIGUREを紹介する。
10個の実測値のベンチマーク分析により、我々のフレームワークが堅牢で効率的な評価を提供することが明らかとなった。
また、QAメトリクスは、ドメイン間の事実性を測定する標準的なメトリクスよりも一般的に改善されているが、パフォーマンスは、質問を生成する方法に大きく依存していることも明らかにしている。
論文 参考訳（メタデータ） (2020-10-24T08:30:20Z)
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。