論文の概要: A Hierarchical Ensemble Inference Pipeline for Robust White Blood Cell Classification Under Domain Shifts

• arxiv url: http://arxiv.org/abs/2604.23271v1
• Date: Sat, 25 Apr 2026 12:25:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-28 17:12:07.240154
• Title: A Hierarchical Ensemble Inference Pipeline for Robust White Blood Cell Classification Under Domain Shifts
• Title（参考訳）: ドメインシフト下でのロバストな白血球分類のための階層的アンサンブル推論パイプライン
• Authors: Ruyi Dai, Tingkwong Ng, Hao Chen,
• Abstract要約: 本稿では,WBC分類のためのメモリ拡張型階層型アンサンブルパイプラインを提案する。 本手法は最終テストフェーズにおいてマクロF1スコアでトップ10以内にランク付けする。
• 参考スコア（独自算出の注目度）: 5.200916021795385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated white blood cell (WBC) classification is essential for scalable leukaemia screening. However, real-world deployment is challenged by domain shifts caused by staining protocols, scanner characteristics, and inter-laboratory variability, which often degrade model performance. The White Blood Cell Classification Challenge (WBCBench) at ISBI 2026 aims to advance robust WBC recognition, with a focus on accurately identifying blast cells and other clinically critical rare subtypes. We propose a memory-augmented, hierarchical ensemble pipeline for WBC classification under domain shifts, leveraging a feature bank and a DinoBloom backbone fine-tuned with LoRA. Our three-stage inference hierarchy combines k-nearest neighbors (kNN) retrieval at each level, reducing over-reliance on any single decision. Evaluated on the WBCBench dataset, our method ranks within the top ten by macro F1-score in the final testing phase.
• Abstract（参考訳）: スケーラブルな白血球スクリーニングには, 自動白血球分類(WBC)が不可欠である。 しかし、現実のデプロイメントは、ステンドプロトコル、スキャナ特性、およびモデルパフォーマンスの劣化が原因で生じるドメインシフトによって挑戦される。 ISBI 2026のホワイト血液細胞分類チャレンジ(WBCBench)は、ブラスト細胞やその他の臨床的に重要なまれなサブタイプを正確に識別することに焦点を当て、堅牢なWBC認識を促進することを目的としている。 本稿では,機能バンクとDinoBloomバックボーンをLORAで微調整したWBC分類のためのメモリ拡張型階層型アンサンブルパイプラインを提案する。 我々の3段階推論階層は、k-nearest neighbors(kNN)検索を各レベルで組み合わせ、単一の決定に対する過度な信頼を減らす。 WBCBenchデータセットから評価し,最終試験段階ではマクロF1スコアで上位10位にランク付けした。

関連論文リスト

• WBCBench 2026: A Challenge for Robust White Blood Cell Classification Under Class Imbalance [10.424924450197137]
  WBCBench 2026は、自動WBC分類のためのI SBIチャレンジおよびベンチマークである。 本稿では,課題を概観し,提案した解決策と最終結果について要約する。 本稿では,標準化された提出スキーマ,オープンソース評価器,マクロ平均F1スコアを主要なランキング基準として指定する。
  論文  参考訳（メタデータ） (2026-04-12T20:04:26Z)
• Robust White Blood Cell Classification with Stain-Normalized Decoupled Learning and Ensembling [6.750164263871006]
  白血球分類(WBC)は、感染症評価、白血病スクリーニング、治療モニタリングなどの血液学の応用に欠かせない。 本稿では、インスタンスバランスサンプリングを用いて、転送可能な表現を学習するステンドノーマライズされた非結合型トレーニングフレームワークを提案する。 推論段階では,様々なトレーニングされたバックボーンをテスト時間拡張でアンサンブルすることにより,ロバスト性をさらに向上する。
  論文  参考訳（メタデータ） (2026-03-02T15:31:25Z)
• SG-CLDFF: A Novel Framework for Automated White Blood Cell Classification and Segmentation [0.0]
  SG-CLDFF(Saliency-Guided Cross-Layer Deep Feature Fusion framework) 軽量なハイブリッドバックボーン(Swin-style)は、ResNeXt-CCinspired cross-layer fusion moduleによって融合されたマルチレゾリューション表現を生成する。 解釈性はGrad-CAMビジュアライゼーションと唾液濃度の整合性チェックを通じて実施され、モデル決定を地域レベルで検査することができる。
  論文  参考訳（メタデータ） (2025-10-20T08:07:39Z)
• Topology-Constrained Learning for Efficient Laparoscopic Liver Landmark Detection [46.2391319253146]
  肝のランドマークは腹腔鏡下肝手術中に外科医に重要な解剖学的ガイダンスを提供する。 TopoNetは腹腔鏡下肝ランドマーク検出のための新しいトポロジ制約学習フレームワークである。 我々のフレームワークは、スネーク・CNNデュアルパス・エンコーダを用いて、詳細なRGBテクスチャ情報と深さインフォームドトポロジ構造を同時に取得する。
  論文  参考訳（メタデータ） (2025-07-01T07:35:36Z)
• Leveraging Sparse Annotations for Leukemia Diagnosis on the Large Leukemia Dataset [44.948939549346676]
  白血病は世界で10番目に頻繁に診断されるがんであり、がん関連死亡の原因の1つとなっている。 医学画像の深層学習の進歩にもかかわらず、白血病解析には多種多様なマルチタスクデータセットが欠けている。 大規模WBCデータセットと,その属性を用いてWBCを検出する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-04-03T14:04:02Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• SCKansformer: Fine-Grained Classification of Bone Marrow Cells via Kansformer Backbone and Hierarchical Attention Mechanisms [14.300958118264054]
  そこで本研究では,骨髄血球の詳細な分類モデルであるSCKansformerを提案する。 このモデルは、Kansformer、SCConvCD、Global-Local Attentionを統合している。 骨マーロウ血球微細粒度分類データセットを用いて,本モデルの有効性を検証した。
  論文  参考訳（メタデータ） (2024-06-14T11:25:53Z)
• DAFFNet: A Dual Attention Feature Fusion Network for Classification of White Blood Cells [2.0005570775461567]
  本稿では,WBC の形態的特徴と高レベルな意味的特徴を統合した新しいデュアルブランチネットワーク Dual Attention Feature Fusion Network (DAFFNet) を提案する。 提案するネットワークフレームワークは,6つの公開データセットに対して98.77%,91.30%,98.36%,99.71%,98.45%,98.85%の総合的精度を達成した。
  論文  参考訳（メタデータ） (2024-05-25T13:09:25Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。