論文の概要: DualGate-Net: A Prior-Gated Dual-Encoder Framework for Histopathology Cell Detection

• arxiv url: http://arxiv.org/abs/2606.07222v1
• Date: Fri, 05 Jun 2026 12:36:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.739036
• Title: DualGate-Net: A Prior-Gated Dual-Encoder Framework for Histopathology Cell Detection
• Title（参考訳）: DualGate-Net: 病理組織細胞検出のためのプリゲートデュアルエンコーダフレームワーク
• Authors: Bahman Jafari Tabaghsar, Son Tran, K. Devaraja, Atul Sajjanhar,
• Abstract要約: 本稿では,ConvNeXtV2をベースとしたローカルエンコーダとSegFormerをベースとしたグローバルエンコーダを組み合わせた,事前認識型デュアルエンコーダフレームワークであるDualGate-Netを提案する。 OCELOTベンチマークの実験では、検証セットで0.7722、テストセットで0.7345のマクロF1スコアが達成された。
• 参考スコア（独自算出の注目度）: 7.024374684283387
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cell detection in histopathology images strongly depends on surrounding tissue context, where visually similar cells may belong to different classes under different microenvironments. Recent tissue-aware methods incorporate contextual priors, but often rely on static fusion strategies that may propagate noisy information. In this work, we propose DualGate-Net, a prior-aware dual-encoder framework that combines a ConvNeXtV2-based local encoder and a SegFormer-based global encoder through a learnable prior-gated fusion mechanism. The proposed module adaptively regulates the influence of tissue priors across spatial locations, while an auxiliary foreground reconstruction branch preserves high-frequency cellular structures during training. In addition, auxiliary cellness-guided cues are incorporated to further improve localization robustness. Experiments on the OCELOT benchmark demonstrate consistent improvements, achieving macro F1-scores of 0.7722 on the validation set and 0.7345 on the test set, highlighting the effectiveness of adaptive prior integration for robust histopathology cell detection.
• Abstract（参考訳）: 病理組織像中の細胞検出は周囲の組織コンテキストに強く依存しており、視覚的に類似した細胞は異なる環境下で異なるクラスに属している可能性がある。 近年の組織認識手法は、文脈的先行を取り入れているが、しばしばノイズの多い情報を伝達する静的融合戦略に依存している。 本研究では,ConvNeXtV2をベースとしたローカルエンコーダとSegFormerをベースとしたグローバルエンコーダを組み合わせた,事前認識型デュアルエンコーダフレームワークであるDualGate-Netを提案する。 提案モジュールは空間的位置にわたって組織前駆体の影響を適応的に制御し, 補助的な前景再建枝はトレーニング中の高周波細胞構造を保っている。 さらに、局所化堅牢性をさらに向上するために、補助細胞性誘導キューが組み込まれている。 OCELOTベンチマークの実験では、検証セットで0.7722のマクロF1スコア、テストセットで0.7345のマクロF1スコアを達成し、堅牢な病理組織細胞検出のための適応前統合の有効性を強調した。

関連論文リスト

• FLORO: A Multimodal Geospatial Foundation Model for Ecological Remote Sensing Across Sensors and Scales [65.4821703903285]
  FLOROは、小さなが高度に多様なリモートセンシングコーパスから転送可能な表現を学習するために設計されたマルチモーダル基礎モデルである。 FLOROは、Sentinel-1、Sentinel-2、SkySAT画像、標高、UAV由来のデータとの不均一な組み合わせによるマスク付きオートエンコーディングを用いて事前訓練される。 我々は、シーン分類、セグメンテーション、回帰タスクにまたがる凍結エンコーダプロトコルを用いて、PANGAEAベンチマーク上でFLOROを評価した。
  論文  参考訳（メタデータ） (2026-05-27T08:55:54Z)
• SCR2-ST: Combine Single Cell with Spatial Transcriptomics for Efficient Active Sampling via Reinforcement Learning [9.512448078850392]
  SCR2-STは単一セルの事前知識を利用して効率的なデータ取得と正確な表現予測を行う統合フレームワークである。 SCR2-STは、単セル誘導強化学習に基づくアクティブサンプリングとハイブリッド回帰検索予測ネットワークSCR2Netを統合する。
  論文  参考訳（メタデータ） (2025-12-15T18:30:40Z)
• Tissue Aware Nuclei Detection and Classification Model for Histopathology Images [0.5219568203653522]
  組織認識核検出(TAND, tissue-Aware Nuclei Detection)は, 関節核の検出と分類を実現する新しいフレームワークである。 TANDは、ConvNeXtベースのエンコーダデコーダと凍結したVirchow-2組織セグメンテーションブランチを結合し、セマンティック組織確率は分類ストリームを選択的に調節する。 TANDは最先端のパフォーマンスを達成し、組織に依存しないベースラインとマスクを監督する手法の両方を超越する。
  論文  参考訳（メタデータ） (2025-11-17T17:21:05Z)
• MitoDetect++: A Domain-Robust Pipeline for Mitosis Detection and Atypical Subtyping [6.267650544824679]
  MitoDetect++はMIDOG 2025チャレンジ用に設計された統合ディープラーニングパイプラインである。 検出には、EfficientNetV2-LをバックボーンとするU-Netベースのエンコーダデコーダアーキテクチャを用いる。 分類には、Lo-Rank Adaptation (LoRA) を用いて効率よく微調整されたVirchow2視覚変換器を用いて、資源消費を最小限に抑える。
  論文  参考訳（メタデータ） (2025-08-28T18:19:51Z)
• 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)
• UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
  ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。 異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。 特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
  論文  参考訳（メタデータ） (2024-02-20T11:50:27Z)
• Single-Cell Deep Clustering Method Assisted by Exogenous Gene Information: A Novel Approach to Identifying Cell Types [50.55583697209676]
  我々は,細胞間のトポロジ的特徴を効率的に捉えるために,注目度の高いグラフオートエンコーダを開発した。 クラスタリング過程において,両情報の集合を統合し,細胞と遺伝子の特徴を再構成し,識別的表現を生成する。 本研究は、細胞の特徴と分布に関する知見を高め、疾患の早期診断と治療の基礎となる。
  論文  参考訳（メタデータ） (2023-11-28T09:14:55Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• A novel dataset and a two-stage mitosis nuclei detection method based on hybrid anchor branch [12.701748529240183]
  有糸分裂検出のための2段階カスケードネットワークFoCasNetを提案する。 第1段階では、可能な限り多くのミトースを検出するために、M_detと呼ばれる検出ネットワークが提案されている。 第2段階では、第1段階の結果を洗練させるために分類ネットワークM_classを提案する。
  論文  参考訳（メタデータ） (2023-01-18T16:11:09Z)
• Frequency Spectrum Augmentation Consistency for Domain Adaptive Object Detection [107.52026281057343]
  周波数スペクトル拡張整合(FSAC)フレームワークを4種類の低周波フィルタで構成する。 最初の段階では、オリジナルおよび拡張されたソースデータを全て利用して、オブジェクト検出器を訓練する。 第2段階では、予測一貫性のための自己学習を行うために、擬似ラベル付き拡張現実とターゲットデータを採用する。
  論文  参考訳（メタデータ） (2021-12-16T04:07:01Z)

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。