論文の概要: NuNext: Reframing Nucleus Detection as Next-Point Detection

• arxiv url: http://arxiv.org/abs/2603.07098v1
• Date: Sat, 07 Mar 2026 08:17:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:13.809097
• Title: NuNext: Reframing Nucleus Detection as Next-Point Detection
• Title（参考訳）: NuNext:次点検出としてのリフレーミング核検出
• Authors: Zhongyi Shui, Honglin Li, Xiaozhong Ji, Ye Zhang, Zijiang Yang, Chenglu Zhu, Yuxuan Sun, Kai Yao, Conghui He, Cheng Tan,
• Abstract要約: 我々は、核検出を次点予測として再構成し、入力画像から前景核セントロイドを直接出力する多モーダル大言語モデルを開発した。 教師付き学習段階において,厳密なセントロイドマッチングを緩和するための空間認識型ソフト・インスペクションと,協調予測を容易にする視覚的先入観を組み込むためのチェーン・オブ・ヴィジュアル・プリート・ストラテジーを提案する。 強化微調整段階において、モデルの検出精度をさらに向上させるために、分布整合報酬、低分散群フィルタリング、微粒化利得整形を設計する。
• 参考スコア（独自算出の注目度）: 40.620233502716424
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Nucleus detection in histopathology is pivotal for a wide range of clinical applications. Existing approaches either regress nuclear proxy maps that require complex post-processing, or employ dense anchors or queries that introduce severe foreground-background imbalance. In this work, we reformulate nucleus detection as next-point prediction, wherein a multimodal large language model is developed to directly output foreground nucleus centroids from the input image. The model is trained in two stages. In the supervised learning stage, we propose spatial-aware soft supervision to relax strict centroid matching and a chain-of-visual-thought strategy to incorporate visual priors that facilitate coordinate prediction. In the reinforcement fine-tuning stage, we design distribution matching reward, low-variance group filtering, and fine-grained advantage shaping to further improve the model's detection quality. Extensive experiments on nine widely used benchmarks demonstrate the superiority of our method. Code will be released soon.
• Abstract（参考訳）: 病理組織学における核検出は、幅広い臨床応用において重要である。 既存のアプローチは、複雑な後処理を必要とする核プロキシマップを後退させるか、あるいは厳密なアンカーや、厳しいフォアグラウンドとバックグラウンドの不均衡をもたらすクエリを使用する。 本研究では,核検出を次点予測として再構成し,入力画像から前景核セントロイドを直接出力する多モーダル大言語モデルを開発する。 モデルは2段階に分けて訓練される。 教師付き学習段階において,厳密なセントロイドマッチングを緩和する空間認識型ソフト・インスペクションと,協調予測を容易にする視覚的優先を組み込むチェーン・オブ・ヴィジュアル・プリート・ストラテジーを提案する。 強化微調整段階において、モデルの検出精度をさらに向上させるために、分布整合報酬、低分散群フィルタリング、微粒化利得整形を設計する。 広範に使用されている9つのベンチマークの大規模な実験は,本手法の優位性を実証している。 コードはまもなくリリースされる。

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)
• ECC-PolypDet: Enhanced CenterNet with Contrastive Learning for Automatic Polyp Detection [88.4359020192429]
  既存の手法では、計算コストのかかるコンテキストアグリゲーションが伴うか、ポリープの事前モデリングが欠如しているため、難解なケースでは性能が低下する。 本稿では,2段階のトレーニングとエンドツーエンド推論フレームワークである Enhanced CenterNet with Contrastive Learning (ECC-PolypDet) を提案する。 Box-assisted Contrastive Learning (BCL) は, クラス内差を最小限に抑え, 前庭ポリープと背景のクラス間差を最大化するため, 隠れポリープを捕捉する。 微調整段階におけるIoU誘導サンプル再重み付けの導入
  論文  参考訳（メタデータ） (2024-01-10T07:03:41Z)
• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Scale dependant layer for self-supervised nuclei encoding [29.894737161956073]
  核サイズ変更時のスケーリング問題を回避するために,新しいスケール依存畳み込み層を提案する。 提案した畳み込み層は性能を向上し,この層とBarlows-Twinsの組み合わせにより,より優れた核符号化が可能となることを示す。
  論文  参考訳（メタデータ） (2022-07-22T08:56:57Z)
• 3D Intracranial Aneurysm Classification and Segmentation via Unsupervised Dual-branch Learning [14.248520176546293]
  頭蓋内動脈瘤は近年一般的であり、それをインテリジェントに検出する方法は、デジタルヘルスにおいて非常に重要である。 3Dポイントクラウドデータに基づく頭蓋内動脈瘤検出のための教師なし手法を提案する。
  論文  参考訳（メタデータ） (2022-01-06T02:03:25Z)
• Deep Shells: Unsupervised Shape Correspondence with Optimal Transport [52.646396621449]
  本稿では,3次元形状対応のための教師なし学習手法を提案する。 提案手法は,複数のデータセット上での最先端技術よりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2020-10-28T22:24:07Z)
• Self-Supervised Nuclei Segmentation in Histopathological Images Using Attention [6.3039500405009665]
  スライド病理組織像全体に対する自己監督的核分割法を提案する。 本手法は, 原子核の大きさとテクスチャが, パッチを抽出した倍率を決定できるという仮定に基づいている。 実験の結果,通常の後処理では,他の非教師なし核分割法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-16T14:49:20Z)
• Weakly Supervised Deep Nuclei Segmentation Using Partial Points Annotation in Histopathology Images [51.893494939675314]
  本稿では,部分点アノテーションに基づく弱教師付きセグメンテーションフレームワークを提案する。 本手法は, 完全教師付き手法や最先端手法と比較して, 競争性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-07-10T15:41:29Z)

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。