論文の概要: Lost in Translation: How Language Re-Aligns Vision for Cross-Species Pathology

• arxiv url: http://arxiv.org/abs/2603.04405v1
• Date: Sat, 24 Jan 2026 18:49:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 01:20:08.179543
• Title: Lost in Translation: How Language Re-Aligns Vision for Cross-Species Pathology
• Title（参考訳）: Lost in Translation: 言語が異種病理のビジョンをどう変えていくか
• Authors: Ekansh Arora,
• Abstract要約: 本研究は,CPath-CLIPの微調整が癌検出に及ぼす影響について検討した。 わずかな微調整で同じ缶(64.9% - 72.6% AUC)とクロスカメラ性能(56.84% - 66.31% AUC)が向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Foundation models are increasingly applied to computational pathology, yet their behavior under cross-cancer and cross-species transfer remains unspecified. This study investigated how fine-tuning CPath-CLIP affects cancer detection under same-cancer, cross-cancer, and cross-species conditions using whole-slide image patches from canine and human histopathology. Performance was measured using area under the receiver operating characteristic curve (AUC). Few-shot fine-tuning improved same-cancer (64.9% to 72.6% AUC) and cross-cancer performance (56.84% to 66.31% AUC). Cross-species evaluation revealed that while tissue matching enables meaningful transfer, performance remains below state-of-the-art benchmarks (H-optimus-0: 84.97% AUC), indicating that standard vision-language alignment is suboptimal for cross-species generalization. Embedding space analysis revealed extremely high cosine similarity (greater than 0.99) between tumor and normal prototypes. Grad-CAM shows prototype-based models remain domain-locked, while language-guided models attend to conserved tumor morphology. To address this, we introduce Semantic Anchoring, which uses language to provide a stable coordinate system for visual features. Ablation studies reveal that benefits stem from the text-alignment mechanism itself, regardless of text encoder complexity. Benchmarking against H-optimus-0 shows that CPath-CLIP's failure stems from intrinsic embedding collapse, which text alignment effectively circumvents. Additional gains were observed in same-cancer (8.52%) and cross-cancer classification (5.67%). We identified a previously uncharacterized failure mode: semantic collapse driven by species-dominated alignment rather than missing visual information. These results demonstrate that language acts as a control mechanism, enabling semantic re-interpretation without retraining.
• Abstract（参考訳）: 基礎モデルは、計算病理学にますます応用されているが、それらの行動は、クロス・カンサーおよびクロス・種間移動の下では未定のままである。 本研究では,CPath-CLIPの微調整が,犬およびヒトの病理組織からの全スライディング画像パッチを用いて,同癌,クロス癌およびクロス種条件下での癌検出にどのように影響するかを検討した。 受信機動作特性曲線 (AUC) 下での性能を測定した。 わずかな微調整で同じ缶(64.9%から72.6% AUC)とクロスカメラ性能(56.84%から66.31% AUC)が改善された。 異種間評価の結果、組織マッチングは有意義な伝達を可能にするが、性能は最先端のベンチマーク(H-optimus-0:84.97% AUC)以下であり、標準視覚言語アライメントは異種間の一般化に最適であることが示された。 埋め込み空間分析では, 腫瘍と正常なプロトタイプとの間に非常に高いコサイン類似性(0.99以上)が認められた。 Grad-CAMは、プロトタイプベースのモデルがドメインロックされたままであり、言語誘導モデルが保存された腫瘍形態に関与していることを示している。 これを解決するために,セマンティックアンコリング(Semantic Anchoring)を導入する。 アブレーション研究によると、利点はテキストエンコーダの複雑さに関わらず、テキストアライメント機構自体に由来する。 H-optimus-0に対するベンチマークでは、CPath-CLIPの故障は本質的な埋め込み崩壊に起因することが示され、テキストアライメントが効果的に回避される。 同じがん (8.52%) とクロスがん (5.67%) で追加の利得が観察された。 視覚情報を欠くのではなく、種が支配するアライメントによって引き起こされる意味的崩壊である。 これらの結果は、言語が制御機構として機能し、再学習なしに意味的再解釈を可能にすることを示した。

関連論文リスト

• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Prostate-VarBench: A Benchmark with Interpretable TabNet Framework for Prostate Cancer Variant Classification [14.190646211771073]
  VUS(Variants of Uncertain Significance)は前立腺癌ゲノムの臨床的有用性を制限する。 Prostate-VarBenchは、prostate固有のベンチマークを作成するための、キュレートされたパイプラインである。
  論文  参考訳（メタデータ） (2025-11-12T06:13:50Z)
• Bridging Accuracy and Interpretability: Deep Learning with XAI for Breast Cancer Detection [0.0]
  乳腺腫瘤のFNA(Digitalized Fine needle Aspirate)画像から抽出した定量的特徴を用いて,乳がん早期発見のための解釈可能なディープラーニングフレームワークを提案する。 私たちのディープニューラルネットワークは、ReLUアクティベーション、Adam視覚化、バイナリクロスエントロピー損失を使用して、最先端の分類性能を提供します。
  論文  参考訳（メタデータ） (2025-10-18T07:47:26Z)
• PolypSeg-GradCAM: Towards Explainable Computer-Aided Gastrointestinal Disease Detection Using U-Net Based Segmentation and Grad-CAM Visualization on the Kvasir Dataset [7.02937797539818]
  大腸癌(CRC)は、世界中のがん関連死亡率と死亡率の主要な原因の1つである。 深層学習法は自動ポリープ解析の強力な可能性を示しているが、その限定的な解釈性は臨床応用の障壁である。 本稿では,U-NetアーキテクチャとGradient-weighted Class Activation Mapping (Grad-CAM)を統合し,透過的なPolypセグメンテーションを実現するフレームワークであるPolypSeg-GradCAMを提案する。
  論文  参考訳（メタデータ） (2025-09-17T02:57:33Z)
• CIMIL-CRC: a clinically-informed multiple instance learning framework for patient-level colorectal cancer molecular subtypes classification from H\&E stained images [42.771819949806655]
  CIMIL-CRCは、事前学習した特徴抽出モデルと主成分分析(PCA)を効率よく組み合わせ、全てのパッチから情報を集約することで、MSI/MSS MIL問題を解決するフレームワークである。 我々は,TCGA-CRC-DXコホートを用いたモデル開発のための5倍のクロスバリデーション実験装置を用いて,曲線下平均面積(AUC)を用いてCIMIL-CRC法の評価を行った。
  論文  参考訳（メタデータ） (2024-01-29T12:56:11Z)
• Attention-based Saliency Maps Improve Interpretability of Pneumothorax Classification [52.77024349608834]
  視覚変換器(ViT)の胸部X線撮影(CXR)分類性能と注意ベース唾液の解釈可能性について検討する。 ViTは、CheXpert、Chest X-Ray 14、MIMIC CXR、VinBigDataの4つの公開データセットを用いて、肺疾患分類のために微調整された。 ViTsは最先端のCNNと比べてCXR分類AUCに匹敵するものであった。
  論文  参考訳（メタデータ） (2023-03-03T12:05:41Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Whole Slide Images are 2D Point Clouds: Context-Aware Survival Prediction using Patch-based Graph Convolutional Networks [6.427108174481534]
  Patch-GCNは、コンテキスト対応で空間分解されたパッチベースのグラフ畳み込みネットワークで、階層的にインスタンスレベルのヒストロジーの特徴を集約する。 我々は、Patch-GCNが以前の弱教師付きアプローチを3.58-9.46%上回っていることを示した。
  論文  参考訳（メタデータ） (2021-07-27T19:17:37Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)

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。