論文の概要: Biological Spatial Priors Regularize Foundation Model Representations for Cross-Site MSI Generalization in Colorectal Cancer

• arxiv url: http://arxiv.org/abs/2605.02660v1
• Date: Mon, 04 May 2026 14:39:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:50.34303
• Title: Biological Spatial Priors Regularize Foundation Model Representations for Cross-Site MSI Generalization in Colorectal Cancer
• Title（参考訳）: 大腸癌におけるクロスサイトMSI一般化のための生物空間優先モデル正規化
• Authors: Dasari Naga Raju,
• Abstract要約: 周辺距離エンコーディングに基づく生物的動機付き空間前処理を導入する。 6つの基礎モデルとMILアグリゲータの組み合わせを基準として評価し,それぞれの空間的先行効果を評価する。 その結果、生物学的に接地された空間前駆体は、サイト固有の画像パターンへの依存を減らす正則化剤として機能することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting microsatellite instability (MSI) status from routine hematoxylin and eosin (H&E) whole slide images (WSIs) offers a practical alternative to molecular testing, but models trained at one institution tend to generalize poorly to slides acquired at a different site. Foundation model representations, despite their generality, still encode site-specific texture alongside the conserved biological morphology underlying MSI. We investigate whether tile-level spatial priors derived from known MSI histology can guide these representations toward more site-invariant features. We introduce a biologically motivated spatial prior based on peripheral distance encoding, reflecting the Crohn's-like peripheral lymphocytic reaction at the tumor invasive margin, and evaluate a secondary local immune neighborhood encoding reflecting the lymphocyte-to-tumor ratio in each tile's immediate spatial neighborhood. Both priors are injected into a TransMIL aggregator before self-attention, allowing the transformer to integrate spatial biological context with UNI2-h or Virchow2 features across all attention layers. We evaluate six foundation model and MIL aggregator combinations as a reference, then assess the effect of each spatial prior. Training on TCGA-COAD (137 slides) and evaluating externally on TCGA-READ (50 slides) without retraining, peripheral distance encoding achieves MSI AUC 0.959 +/- 0.012 on COAD and MSS specificity 1.000 on READ, compared to 0.957 and 0.939 for the strongest reference configuration. Local immune neighborhood encoding achieves comparable internal AUC but lower cross-site specificity, suggesting margin proximity encodes a more site-invariant biological signal than local immune density. Results suggest biologically grounded spatial priors act as regularizers that reduce reliance on site-specific imaging patterns.
• Abstract（参考訳）: 通常のヘマトキシリンおよびエオシン(H&E)全スライド画像(WSI)からマイクロサテライト不安定(MSI)状態を予測することは、分子試験の実用的な代替手段であるが、ある施設で訓練されたモデルは、別の場所で取得したスライドに十分に一般化する傾向がある。 基礎モデル表現は、その一般性にもかかわらず、MSIの基盤となる保存された生物学的形態とともに、サイト固有のテクスチャをコード化している。 既知のMSI組織学から得られたタイルレベルの空間的先行性は,これらの表現をよりサイト不変の特徴に導くことができるか検討する。 腫瘍浸潤限界におけるクローン様末梢リンパ系反応を反映した末梢距離符号化に基づく生物学的に動機付けられた空間前駆体を導入し,各タイルの即時空間近傍におけるリンパ球と腫瘍との比を反映した二次局所免疫領域の評価を行った。 両方の前者は自己アテンションの前にTransMILアグリゲータに注入され、トランスフォーマーはすべての注意層にまたがるUNI2-hまたはVirchhow2の機能と空間生物学的コンテキストを統合することができる。 6つの基礎モデルとMILアグリゲータの組み合わせを基準として評価し,それぞれの空間的先行効果を評価する。 TCGA-COAD (137スライド) をトレーニングし、TCGA-READ (50スライド) をトレーニングせずに外部評価し、周辺距離エンコーディングは、最強参照構成の0.957と0.939と比較して、COADのMSI AUC 0.959 +/- 0.012とREADのMSS特異度1.000を達成する。 局所免疫近傍のコード化はAUCに匹敵するが、クロスサイト特異性は低い。 その結果、生物学的に接地された空間前駆体は、サイト固有の画像パターンへの依存を減らす正則化剤として機能することが示唆された。

関連論文リスト

• PC-MIL: Decoupling Feature Resolution from Supervision Scale in Whole-Slide Learning [15.567271338271032]
  計算病理学におけるWSI(Whole-Slide Image)分類は、一般に1つのグローバルバッグ表現を持つスライドレベル多重インスタンス学習(MIL)として定式化されている。 本稿では,一級設計次元として空間的監督範囲を扱うフレームワークであるProgressive-Context MIL(PC-MIL)を提案する。
  論文  参考訳（メタデータ） (2026-04-13T22:19:28Z)
• Learning to Synergize Semantic and Geometric Priors for Limited-Data Wheat Disease Segmentation [51.06355116973389]
  本研究では,小麦病のセグメンテーションを病種特異的な意味認識と疾患境界の局所化の複合的課題として扱う枠組みを提案する。 我々の中核的な洞察は、事前訓練されたDINOv2は、出現シフトを処理するために、堅牢なカテゴリ認識セマンティックスを提供します。 SGPer は,コムギ病と臓器分画のベンチマークにおいて,常に最先端のパフォーマンスを達成している。
  論文  参考訳（メタデータ） (2026-04-07T04:19:39Z)
• A Unified Framework for Joint Detection of Lacunes and Enlarged Perivascular Spaces [3.9313804276175506]
  脳小血管疾患(CSVD)マーカー,特にEPVSとlacunaeは,医用画像解析においてユニークな課題である。 本稿では,Zero-Gated CrossTask Attention が高密度EPVSコンテキストを利用してスパースラグーン検出を誘導する形態分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-04T16:30:46Z)
• A Tumor Aware DenseNet Swin Hybrid Learning with Boosted and Hierarchical Feature Spaces for Large-Scale Brain MRI Classification [0.6991281327290525]
  クラス固有の診断課題に対処するために、2つの腫瘍認識実験装置が導入された。 DenseNetはMRI空間特性に合わせて入力レベルでカスタマイズされる。 Swin_tは、髄膜腫と下垂体腫瘍の分類において、偽陰性を効果的に抑制するグローバルな腫瘍形態をモデル化する。
  論文  参考訳（メタデータ） (2026-01-26T10:14:57Z)
• SAGE-FM: A lightweight and interpretable spatial transcriptomics foundation model [2.060288975192133]
  グラフ畳み込みネットワーク(GCN)に基づく軽量空間転写基盤モデルであるSAGE-FMを紹介する。 SAGE-FMは、15個の臓器にまたがる416個のヒトのビシウムサンプルに基づいて、マスクされた遺伝子を確実に回収する空間的に整合した埋め込みを学習する。 以上の結果から,GCNは大規模空間転写学において生物学的に解釈可能かつ空間的に認識可能な基礎モデルとして機能することが示唆された。
  論文  参考訳（メタデータ） (2026-01-21T22:22:38Z)
• Learning to Factorize and Adapt: A Versatile Approach Toward Universal Spatio-Temporal Foundation Models [42.152122602443164]
  FactoST-v2は時空間学習のための拡張された因子化フレームワークである。 FactoST-v2は線形効率で最先端の精度を実現する。 この分解パラダイムは、真に普遍的なSTFMへの実践的でスケーラブルなパスを提供する。
  論文  参考訳（メタデータ） (2026-01-17T15:20:08Z)
• An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
  地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。 地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。 我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:44:54Z)
• 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)
• 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)
• Site Generalization: Stroke Lesion Segmentation on Magnetic Resonance Images from Unseen Sites [40.32385363670918]
  ストロークは様々な脳血管疾患の主要な原因である。 この課題に対して深層学習に基づくモデルが提案されているが、これらのモデルを見えない場所に一般化することは困難である。 SG-Netと呼ばれるU-netベースのセグメンテーションネットワークを提案する。
  論文  参考訳（メタデータ） (2022-05-09T14:33:06Z)

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。