論文の概要: Adaptive Prototype-based Interpretable Grading of Prostate Cancer

• arxiv url: http://arxiv.org/abs/2603.04947v1
• Date: Thu, 05 Mar 2026 08:42:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.143122
• Title: Adaptive Prototype-based Interpretable Grading of Prostate Cancer
• Title（参考訳）: 前立腺癌の適応的プロトタイプ解析
• Authors: Riddhasree Bhattacharyya, Pallabi Dutta, Sushmita Mitra,
• Abstract要約: 本研究は,前立腺癌の病理組織像から解釈可能なグレーディングを行うための,プロトタイプベースの弱監督フレームワークを提案する。 ネットワークは、各グレードに関連する堅牢な機能を学ぶために、パッチレベルで事前トレーニングされる。 前立腺癌評価のための弱制御された設定に適応するために、ネットワークは、新しいプロトタイプ認識損失関数で微調整される。
• 参考スコア（独自算出の注目度）: 1.4146420810689422
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Prostate cancer being one of the frequently diagnosed malignancy in men, the rising demand for biopsies places a severe workload on pathologists. The grading procedure is tedious and subjective, motivating the development of automated systems. Although deep learning has made inroads in terms of performance, its limited interpretability poses challenges for widespread adoption in high-stake applications like medicine. Existing interpretability techniques for prostate cancer classifiers provide a coarse explanation but do not reveal why the highlighted regions matter. In this scenario, we propose a novel prototype-based weakly-supervised framework for an interpretable grading of prostate cancer from histopathology images. These networks can prove to be more trustworthy since their explicit reasoning procedure mirrors the workflow of a pathologist in comparing suspicious regions with clinically validated examples. The network is initially pre-trained at patch-level to learn robust prototypical features associated with each grade. In order to adapt it to a weakly-supervised setup for prostate cancer grading, the network is fine-tuned with a new prototype-aware loss function. Finally, a new attention-based dynamic pruning mechanism is introduced to handle inter-sample heterogeneity, while selectively emphasizing relevant prototypes for optimal performance. Extensive validation on the benchmark PANDA and SICAP datasets confirms that the framework can serve as a reliable assistive tool for pathologists in their routine diagnostic workflows.
• Abstract（参考訳）: 前立腺がんは、男性においてしばしば診断される悪性腫瘍の1つであり、生検の需要が高まり、病理学者に深刻な負荷がかかる。 段階付け手順は退屈で主観的であり、自動化システムの開発を動機付けている。 深層学習はパフォーマンスの面で普及してきたが、その限定的な解釈性は、医学のようなハイテイクな応用において広く普及する上での課題となっている。 前立腺癌分類器の既存の解釈可能性技術は、粗い説明を提供するが、なぜ強調された領域が重要かは明らかにしない。 そこで本研究では,前立腺癌を病理組織像から解釈可能なグレーディングを行うための,新しいプロトタイプベースの弱監督フレームワークを提案する。 これらのネットワークは、その明示的な推論手順が、疑わしい地域と臨床的に検証された例との比較において、病理医のワークフローを反映しているため、より信頼性が高いことが証明できる。 ネットワークは最初、各グレードに関連する堅牢なプロトタイプ機能を学ぶために、パッチレベルで事前訓練されている。 前立腺癌評価のための弱制御された設定に適応するために、ネットワークは、新しいプロトタイプ認識損失関数で微調整される。 最後に、標本間不均一性を扱うために、新しい注意に基づく動的プルーニング機構を導入し、適切な性能のプロトタイプを選択的に強調する。 ベンチマークPANDAとSICAPデータセットの広範な検証により、このフレームワークは、定期的な診断ワークフローにおいて、病理医の信頼できる補助ツールとして機能することを確認できる。

関連論文リスト

• Supervise Less, See More: Training-free Nuclear Instance Segmentation with Prototype-Guided Prompting [53.799446807827714]
  核インスタンスセグメンテーションのための完全トレーニングおよびアノテーションなしプロンプトフレームワークであるSPROUTを紹介する。 SPROUTは、スライド固有の参照プロトタイプを構築するために、ヒストロジーインフォームドプリエントを利用する。 前景と背景の特徴は正および負の点のプロンプトに変換され、Segment Anything Model (SAM) は正確な核線を生成できる。
  論文  参考訳（メタデータ） (2025-11-25T05:58:33Z)
• Hybrid Interpretable Deep Learning Framework for Skin Cancer Diagnosis: Integrating Radial Basis Function Networks with Explainable AI [1.1049608786515839]
  皮膚がんは世界中で最も流行し、致命的な疾患の1つである。 本稿では,畳み込みニューラルネットワーク(CNN)とラジアル基底関数(RBF)ネットワークを統合するハイブリッドディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-01-24T19:19:02Z)
• Domain Adaptive Diabetic Retinopathy Grading with Model Absence and Flowing Data [45.75724873443564]
  ドメインシフトは、糖尿病網膜症などの臨床応用において重要な課題である。 本稿では,データ中心の観点から適応可能なGUES(Generative Unadversarial Examples)を提案する。
  論文  参考訳（メタデータ） (2024-12-02T07:14:25Z)
• AI-based Automatic Segmentation of Prostate on Multi-modality Images: A Review [17.187976904150545]
  前立腺癌患者の死亡率の低下には早期発見が不可欠である。 前立腺のセグメンテーションは、画像と前立腺の複雑な組織構造に欠陥があるため困難である。 最近の機械学習とデータマイニングツールは、画像セグメンテーションを含む様々な医療分野に統合されている。
  論文  参考訳（メタデータ） (2024-07-09T07:36:18Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• A Voting-Stacking Ensemble of Inception Networks for Cervical Cytology Classification [10.61705267657852]
  子宮頸癌は女性の健康を脅かす最も深刻な疾患の1つである。 本稿では,3つのインセプションネットワークをベースラーナーとして利用し,投票アンサンブルを通じてその出力を統合する投票-乗算アンサンブル戦略を提案する。 実験結果は、現在の最先端(SOTA)法よりも優れており、スクリーニングの負荷を減らし、病理学者が子宮頸がんを検出するのに役立つ可能性を示している。
  論文  参考訳（メタデータ） (2023-08-05T03:21:12Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• Weakly Supervised Lesion Detection and Diagnosis for Breast Cancers with Partially Annotated Ultrasound Images [19.374895481597466]
  診断精度を高めるために弱教師付き学習に基づく2段階検出・診断ネットワーク(TSDDNet)を提案する。 提案するTSDDNetはBモード超音波データセットを用いて評価し,その実験結果から病変検出と診断の両タスクにおいて最高の性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-06-12T09:26:54Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Semi-Supervised Cervical Dysplasia Classification With Learnable Graph Convolutional Network [25.685255609487623]
  デジタル頸椎造影は一次検診や補助検診ツールとして大きな可能性を秘めている。 従来の完全教師付きトレーニングでは、大量の注釈付きデータが必要である。 本稿では,新しいグラフ畳み込みネットワーク(GCN)に基づく半教師付き分類モデルを提案する。
  論文  参考訳（メタデータ） (2020-04-01T01:53:26Z)

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。