論文の概要: Structure-Guided Histopathology Synthesis via Dual-LoRA Diffusion
- arxiv url: http://arxiv.org/abs/2603.04565v1
- Date: Wed, 04 Mar 2026 19:50:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-06 22:06:10.959586
- Title: Structure-Guided Histopathology Synthesis via Dual-LoRA Diffusion
- Title（参考訳）: Dual-LoRA拡散による構造誘導型病理組織学合成
- Authors: Xuan Xu, Prateek Prasanna,
- Abstract要約: 組織像合成は、組織修復、データ増強、腫瘍微小環境のモデリングにおいて重要な役割を担っている。
本稿では,局所構造補完とグローバル構造合成を一つのモデルで共同でサポートする,統合された遠心誘導拡散フレームワークであるDual-LoRA制御可能拡散法を提案する。
提案手法は, マスキング領域におけるより忠実な構造回復を実現し, 完全合成におけるリアリズムと形態的整合性を大幅に改善し, スケーラブルな汎癌組織モデルをサポートする。
- 参考スコア（独自算出の注目度）: 9.953405227464694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Histopathology image synthesis plays an important role in tissue restoration, data augmentation, and modeling of tumor microenvironments. However, existing generative methods typically address restoration and generation as separate tasks, although both share the same objective of structure-consistent tissue synthesis under varying degrees of missingness, and often rely on weak or inconsistent structural priors that limit realistic cellular organization. We propose Dual-LoRA Controllable Diffusion, a unified centroid-guided diffusion framework that jointly supports Local Structure Completion and Global Structure Synthesis within a single model. Multi-class nuclei centroids serve as lightweight and annotation-efficient spatial priors, providing biologically meaningful guidance under both partial and complete image absence. Two task-specific LoRA adapters specialize the shared backbone for local and global objectives without retraining separate diffusion models. Extensive experiments demonstrate consistent improvements over state-of-the-art GAN and diffusion baselines across restoration and synthesis tasks. For local completion, LPIPS computed within the masked region improves from 0.1797 (HARP) to 0.1524, and for global synthesis, FID improves from 225.15 (CoSys) to 76.04, indicating improved structural fidelity and realism. Our approach achieves more faithful structural recovery in masked regions and substantially improved realism and morphology consistency in full synthesis, supporting scalable pan-cancer histopathology modeling.
- Abstract（参考訳）: 組織像合成は、組織修復、データ増強、腫瘍微小環境のモデリングにおいて重要な役割を担っている。
しかし、既存の生成法は、修復と生成を個別のタスクとして扱うのが一般的であるが、両者は同じ目的を共有している。
本稿では,局所構造補完とグローバル構造合成を一つのモデルで共同でサポートする,統合された遠心誘導拡散フレームワークであるDual-LoRA制御可能拡散法を提案する。
マルチクラス核セントロイドは、軽量で注釈効率のよい空間前駆体として機能し、部分的および完全な画像の欠如の下で生物学的に有意義なガイダンスを提供する。
2つのタスク固有のLoRAアダプタは、異なる拡散モデルを再訓練することなく、局所的および大域的目的のための共有バックボーンを専門とする。
広範囲にわたる実験は、最先端のGANと、修復および合成タスク間の拡散ベースラインに対して一貫した改善を示す。
局所的な完成のために、仮面領域内で計算されたLPIPSは0.1797(HARP)から0.1524に改善され、グローバルな合成ではFIDは225.15(CoSys)から76.04に改善され、構造的忠実性とリアリズムが改善された。
提案手法は, マスキング領域におけるより忠実な構造回復を実現し, 完全合成におけるリアリズムと形態的整合性を大幅に改善し, スケーラブルな汎癌組織モデルをサポートする。
関連論文リスト
- VFGS-Net: Frequency-Guided State-Space Learning for Topology-Preserving Retinal Vessel Segmentation [14.615144175462051]
本稿では、周波数認識機能強化、デュアルパス畳み込み表現学習、および統一アーキテクチャ内の非対称空間状態空間モデリングをシームレスに統合するエンドツーエンドセグメンテーションフレームワークを提案する。
本モデルでは, 細血管, 複雑な分岐パターン, 低コントラスト領域のセグメンテーション精度を常に改善し, その堅牢性と臨床応用の可能性を強調した。
論文 参考訳（メタデータ） (2026-02-11T16:07:29Z) - Bidirectional Reward-Guided Diffusion for Real-World Image Super-Resolution [79.35296000454694]
拡散に基づく超解像は、豊富な詳細を合成することができるが、合成ペアデータで訓練されたモデルは、現実世界のLR画像では失敗することが多い。
我々は,超解像を軌道レベルの優先最適化として定式化する報奨誘導拡散フレームワークであるBird-SRを提案する。
実世界のSRベンチマークの実験では、Bird-SRは知覚品質において最先端の手法を一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-05T19:21:45Z) - PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion [11.223559964746705]
磁気共鳴イメージング(MRI)画像合成のための統合生成フレームワークPathoSynを提案する。
PathoSynは、画像病理を安定な解剖学的多様体上の不整合加法偏差として再構成する。
PathoSynは、知覚現実主義と解剖学的忠実性の両方において、全体的拡散とマスク条件ベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2025-12-29T01:13:50Z) - REGLUE Your Latents with Global and Local Semantics for Entangled Diffusion [11.138412313646995]
本稿では,統合潜在拡散フレームワークREGLUEを紹介する。
軽量な畳み込み意味論は、多層VFM特徴を低次元空間構造表現に集約する。
ImageNet 256x256では、REGLUEは一貫して、REPA、ReDi、REGと同様に、SiT-B/2およびSiT-XL/2ベースラインのFIDと収束を改善している。
論文 参考訳（メタデータ） (2025-12-18T15:10:42Z) - EXAONE Path 2.5: Pathology Foundation Model with Multi-Omics Alignment [7.030162358506499]
病理組織学的,ゲノム学的,エピジェネティックおよび転写学的様態を共同でモデル化した病理基盤モデルEXAONE Path 2.5を提案する。
EXAONEパス2.5を2つの相補的なベンチマークで6つの主要な病理基盤モデルと比較した。
論文 参考訳（メタデータ） (2025-12-16T02:31:53Z) - Learning Cell-Aware Hierarchical Multi-Modal Representations for Robust Molecular Modeling [74.25438319700929]
分子と細胞応答の局所的グローバル依存性をモデル化する堅牢なフレームワークであるCHMR(Cell-aware Hierarchical Multi-modal Representations)を提案する。
728タスクにまたがる9つの公開ベンチマークで評価され、CHMRは最先端のベースラインを上回っている。
その結果, 階層認識型マルチモーダル学習による分子表現の信頼性, 生物学的基盤化の利点が示された。
論文 参考訳（メタデータ） (2025-11-26T07:15:00Z) - scMRDR: A scalable and flexible framework for unpaired single-cell multi-omics data integration [53.683726781791385]
単一セルマルチオミクス(ScMRDR)と呼ばれるスケーラブルでフレキシブルな生成フレームワークを導入する。
本手法は, バッチ補正, モダリティアライメント, 生体信号保存の観点から, ベンチマークデータセット上での優れた性能を実現する。
論文 参考訳（メタデータ） (2025-10-28T21:28:39Z) - Moving Beyond Diffusion: Hierarchy-to-Hierarchy Autoregression for fMRI-to-Image Reconstruction [65.67001243986981]
我々は,スケールワイド自己回帰モデルに基づく粗大なfMRI画像再構成フレームワークであるMindHierを提案する。
MindHierは、拡散ベースのベースラインよりも優れたセマンティック忠実さ、4.67倍高速な推論、より決定論的結果を達成する。
論文 参考訳（メタデータ） (2025-10-25T15:40:07Z) - CodeBrain: Towards Decoupled Interpretability and Multi-Scale Architecture for EEG Foundation Model [52.466542039411515]
EEGファウンデーションモデル(EFM)は、タスク固有のモデルのスケーラビリティ問題に対処するために登場した。
このギャップを埋めるために設計された2段階のEMFであるCodeBrainを紹介します。
第1段階では、異種時間・周波数の脳波信号を離散トークンに分解するTFDual-Tokenizerを導入する。
第2段階では、構造化されたグローバル畳み込みとスライディングウインドウの注意を結合したマルチスケールEEGSSMアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-06-10T17:20:39Z) - Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization [68.41367635546183]
単一ドメインの一般化は、単一のソースからのデータを使用して、さまざまなシナリオで一貫したパフォーマンスでモデルをトレーニングすることを目的としている。
モデル一般化を改善するために合成データを活用した学習フレームワークDRSFを提案する。
論文 参考訳（メタデータ） (2025-03-17T18:08:03Z) - Anatomical feature-prioritized loss for enhanced MR to CT translation [0.0]
画像翻訳と合成の伝統的な方法は、一般的にグローバルな画像再構成に最適化されている。
本研究は、新しい解剖学的特徴優先化(AFP)損失関数を合成プロセスに導入する。
AFP損失関数は、グローバルな再構成手法を置き換え、補うことができ、グローバルなイメージの忠実さと局所的な構造的詳細の両方にバランスよく重点を置いている。
論文 参考訳（メタデータ） (2024-10-14T09:40:52Z) - 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)
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。