論文の概要: Stain-Aware Wavelet Regularization for Instant Adversarial Purification in Histopathology

• arxiv url: http://arxiv.org/abs/2606.08745v1
• Date: Sun, 07 Jun 2026 17:32:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:06.428148
• Title: Stain-Aware Wavelet Regularization for Instant Adversarial Purification in Histopathology
• Title（参考訳）: 病理組織におけるインスタント逆境浄化のためのステンアウェアウェーブレット規則化
• Authors: Zhe Li, Bernhard Kainz,
• Abstract要約: 本稿では,Stain-Aware Wavelet Regularization(SAWR)を提案する。 即時浄化フレームワークに統合されると、SAWRはベースラインアプローチよりも10.69%まで敵の堅牢性を向上させる。
• 参考スコア（独自算出の注目度）: 12.803436797824268
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Deep learning has become prevalent in computational pathology pipelines that support tasks such as cancer screening and digital pathology analysis. However, the susceptibility of neural networks to adversarial perturbations raises safety concerns for reliable deployment in clinical practice. In histopathological images, this challenge is exacerbated by the difficulty of distinguishing high-frequency adversarial noise from subtle and diagnostically relevant tissue structures. To address this issue, we propose Stain-Aware Wavelet Regularization (SAWR), an adversarial purification framework that leverages multi-level wavelet-domain regularization based on Haar transform to hierarchically disentangle adversarial perturbations from diagnostic structural information. This spectral constraint is further extended to individual histological channels, enabling stain-specific frequency regulation consistent with the biological properties of Hematoxylin and Eosin. When integrated into an instant purification framework, SAWR improves adversarial robustness by up to 10.69\% over the baseline approach, while maintaining texture and spectral fidelity under adversarial perturbations.
• Abstract（参考訳）: ディープラーニングは、がんスクリーニングやデジタル病理解析などのタスクをサポートする計算病理パイプラインで普及している。 しかしながら、ニューラルネットワークの対向的摂動に対する感受性は、臨床実践における信頼性の高い展開に対する安全性の懸念を提起する。 病理組織像では,高頻度対向性雑音と微妙で診断学的に関連のある組織構造との区別が困難であることから,この課題が増している。 そこで本研究では,Haar変換に基づくマルチレベルウェーブレット領域の正規化を利用して,階層的に逆方向の摂動を診断構造情報から切り離す,逆方向の浄化フレームワークであるStain-Aware Wavelet Regularization (SAWR)を提案する。 このスペクトル制約は個々の組織学的チャネルにさらに拡張され、ヘマトキシリンとエオシンの生物学的性質と一致した染色特異的な周波数調節が可能である。 即時浄化フレームワークに組み込むと、SAWRは敵の摂動下でのテクスチャとスペクトルの忠実さを維持しながら、ベースラインアプローチで最大10.69\%の敵の強靭性を向上する。

関連論文リスト

• Echo-DM: Ultrasound Marker Removal via Conditional Latent Diffusion and Region-Aware Fusion [50.02433280054874]
  マーカーは下流の自動分析にショートカットバイアスを導入することができる。 条件付き潜伏拡散と領域認識融合による超音波マーカー除去のためのフレームワークであるEcho-DMを提案する。 大規模な超音波検査データセットであるEcho-PAIRの実験は、優れたマーカー除去と強力な解剖学的忠実さを示す。
  論文  参考訳（メタデータ） (2026-06-08T11:56:33Z)
• Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
  EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。 EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。 最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-04-17T13:27:11Z)
• Mask-Guided Attention Regulation for Anatomically Consistent Counterfactual CXR Synthesis [28.400345187461085]
  本稿では,信頼性の高いCXR合成のための推定時注意制御フレームワークを提案する。 解剖学的注意規則化モジュールは、臓器マスクによる自己注意及び解剖学的トーケン交差注意をゲートする。 病理誘導モジュールは、早期脱鼻中に標的肺領域内での病因間交差注意を増強する。
  論文  参考訳（メタデータ） (2026-03-04T14:44:41Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Explainable Multi-Modal Deep Learning for Automatic Detection of Lung Diseases from Respiratory Audio Signals [0.49581497240446293]
  本研究では,呼吸音信号を用いた自動肺不全検出のためのマルチモーダル深層学習フレームワークを提案する。 このフレームワークにはGrad-CAM、Integrated Gradients、SHAPが含まれており、解釈可能なスペクトル、時間、特徴レベルの説明を生成する。 この結果は、遠隔医療、ポイント・オブ・ケアの診断、および実際の呼吸スクリーニングに対するフレームワークの可能性を示している。
  論文  参考訳（メタデータ） (2025-11-29T17:15:58Z)
• Noise & pattern: identity-anchored Tikhonov regularization for robust structural anomaly detection [58.535473924035365]
  異常検出は自動産業検査において重要な役割を担い、他の均一な視覚パターンの微妙な欠陥や稀な欠陥を識別することを目的としている。 自己教師型オートエンコーダを用いて, 破損した入力の修復を学習する構造的異常検出に取り組む。 構造欠陥を模倣した画像に人工的破壊を注入する汚職モデルを導入する。
  論文  参考訳（メタデータ） (2025-11-10T15:48:50Z)
• WaveNet-SF: A Hybrid Network for Retinal Disease Detection Based on Wavelet Transform in Spatial-Frequency Domain [17.472443086214962]
  本稿では,空間領域と周波数領域の学習を統合することで網膜疾患の検出を向上させる新しいフレームワークWaveNet-SFを提案する。 このフレームワークはウェーブレット変換を利用して、OCT画像を低周波成分と高周波成分に分解する。 提案手法は,OCT-C8データセットとOCT 2017データセットでそれぞれ97.82%,99.58%の最先端(SOTA)分類精度を実現する。
  論文  参考訳（メタデータ） (2025-01-21T03:10:52Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)

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。