論文の概要: SheafStain: Sheaf-Theoretic Schrödinger Bridge for Spatially and Biologically Coherent Virtual Staining

• arxiv url: http://arxiv.org/abs/2606.11846v1
• Date: Wed, 10 Jun 2026 09:22:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.388574
• Title: SheafStain: Sheaf-Theoretic Schrödinger Bridge for Spatially and Biologically Coherent Virtual Staining
• Title（参考訳）: SheafStain: 空間的および生物学的コヒーレントな仮想染色のためのせん断理論シュレーディンガーブリッジ
• Authors: Hyeongyeol Lim, Hongjun Yoon, Eunjin Jang, Daeky Jeong, Won June Cho, Hwamin Lee,
• Abstract要約: SheafStainは、VFMの特徴を空間的および生物学的にコヒーレントな仮想染色のための層状セクションとして再解釈する新しいアプローチである。 SheafStainは、パッチ境界の縫合アーティファクトを緩和しながら、6つの先行メソッドに対して有望な結果を示す。
• 参考スコア（独自算出の注目度）: 0.9021355240141674
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Current virtual staining approaches offer the potential for time- and cost-efficient biomarker quantification in cancer diagnostics and prognostics. However, patch-wise inference for gigapixel whole slide images (WSIs) fails to maintain spatial continuity, yielding artifacts that cause catastrophic mismatches with ground-truth images. Although pathology Vision Foundation Models (VFMs) offer rich representations, their self-attention causes varying global contexts to produce inconsistent embeddings for the same physical region. We formalize and validate this ``context contamination'' as a sheaf-theoretic problem where these embeddings form a presheaf that violates the gluing axiom. To address this, we propose SheafStain, a new approach that reinterprets VFM features as sheaf-like sections for spatially and biologically coherent virtual staining. Specifically, SheafStain integrates class and patch tokens into a Schrödinger Bridge framework as sheaf-like sections. While the class token anchors biological consistency, patch tokens form a per-position spatial map. A backbone co-pretrained on Hematoxylin \& Eosin (H\&E) and Immunohistochemistry (IHC) yields non-degenerate cross-stain stalks, so a single VFM feature space supervises both input conditioning and output stain alignment. Departing from prior work that evaluates on isolated $256 \times 256$ patches and either random-crops or resizes the $1024 \times 1024$ ground truth, we translate at $256 \times 256$ and evaluate on the stitched $1024 \times 1024$ outputs across HER2, ER, PR, and Ki-67. SheafStain demonstrates promising results against six prior methods while mitigating patch-boundary stitching artifacts. Code will soon be released.
• Abstract（参考訳）: 現在の仮想染色アプローチは、がん診断と予後学における時間と費用効率のバイオマーカー定量化の可能性をもっている。 しかし、ギガピクセル全体のスライド画像(WSI)に対するパッチワイズ推論は、空間的連続性を維持することができず、破滅的なミスマッチを引き起こすアーティファクトを生成する。 病理ヴィジョン・ファンデーション・モデル (VFM) は豊かな表現を提供するが、その自己認識は、異なるグローバルなコンテキストを発生させ、同じ物理的領域に対して一貫性のない埋め込みを生成する。 我々は、この「コンテキスト汚染」を、これらの埋め込みが、ゆらぎ公理に反するプレシーフを形成する、せん断理論問題として定式化し、検証する。 そこで本研究では,VFM特徴を空間的および生物学的に整合した仮想染色のための層状断面として再解釈する新しい手法であるSheafStainを提案する。 具体的には、SheafStainは、クラスとパッチトークンをSchrödinger Bridgeフレームワークに、Sheafのようなセクションとして統合する。 クラストークンは生物学的一貫性を保ちながら、パッチトークンは位置ごとの空間マップを形成する。 Hematoxylin \&Eosin (H\&E) と免疫組織化学 (IHC) を併用したバックボーンは非退縮性クロスステインストークを生じるため、単一のVFM特徴空間は入力条件と出力染色アライメントの両方を監督する。 分離された256 \times 256$パッチを評価し、ランダムクロップか1024 \times 1024$グラウンドの真理をリサイズする以前の作業とは別に、256 \times 256$で翻訳し、HER2、ER、PR、Ki-67にまたがる1024 \times 1024$アウトプットを評価する。 SheafStainは、パッチ境界の縫合アーティファクトを緩和しながら、6つの先行メソッドに対して有望な結果を示す。 コードも間もなくリリースされる。

関連論文リスト

• STREAM: Stochastic Riemannian Flow Matching with Anisotropic Decoder for Digital Histopathology Image Generation [1.025551765545376]
  STREAMは、速度場ジャコビアンの低エネルギー方向を割り当てる異方性デコーダである。 大腸癌のデータセット上で、最先端の再構築と生成性能を達成する。
  論文  参考訳（メタデータ） (2026-06-05T08:26:44Z)
• scHelix: Asymmetric Dual-Stream Integration via Explicit Gene-Level Disentanglement [84.88065404629079]
  scHelixは、機能がどのように処理されるかを根本的に変更するデータセット適応フレームワークである。 scHelixは、停止段階のグラフキャッシュを備えたデュアルストリームスパース拡散エンコーダを使用する。 scHelixは最先端のメソッドより優れています。
  論文  参考訳（メタデータ） (2026-05-18T15:55:13Z)
• Biological Spatial Priors Regularize Foundation Model Representations for Cross-Site MSI Generalization in Colorectal Cancer [0.0]
  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。
  論文  参考訳（メタデータ） (2026-05-04T14:39:40Z)
• 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)
• UNIStainNet: Foundation-Model-Guided Virtual Staining of H&E to IHC [0.0]
  ヘマトキシリンおよびエオシン(H&E)画像からの仮想化学(IHC)染色は診断を加速することができる。 凍結病基盤モデル(UNI)から密集した空間トークンを条件としたSPADE-UNetであるUNIStainNetを提案する。 ミスアライメント・アウェア・ロス・スイートは、染色精度を保ち、学習された染色は、単一のモデルが複数のIHCマーカーを同時に提供することを可能にする。
  論文  参考訳（メタデータ） (2026-03-13T07:02:28Z)
• 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)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• When Robots Obey the Patch: Universal Transferable Patch Attacks on Vision-Language-Action Models [81.7618160628979]
  VLA(Vision-Language-Action)モデルは敵の攻撃に弱いが、普遍的かつ移動可能な攻撃は未発見のままである。 UPA-RFAS(Universal Patch Attack via Robust Feature, Attention, and Semantics)は、単一の物理的パッチを共有機能空間で学習する統合フレームワークである。 多様なVLAモデル、操作スイート、物理実行の実験は、UPA-RFASがモデル、タスク、視点を一貫して移行していることを示している。
  論文  参考訳（メタデータ） (2025-11-26T09:16:32Z)
• Rethinking Discrete Tokens: Treating Them as Conditions for Continuous Autoregressive Image Synthesis [79.98107530577576]
  DisConは、離散トークンを生成ターゲットではなく条件信号として再解釈する新しいフレームワークである。 DisConは、ImageNet 256$times $256 世代で gFID スコアが 1.38 に達し、最先端の自己回帰アプローチよりも明確なマージンで優れている。
  論文  参考訳（メタデータ） (2025-07-02T14:33:52Z)

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。