論文の概要: Semantic-Anchored Evidential Fusion for Domain-Robust Whole-Slide Survival Analysis
- arxiv url: http://arxiv.org/abs/2606.19966v1
- Date: Thu, 18 Jun 2026 09:06:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.754841
- Title: Semantic-Anchored Evidential Fusion for Domain-Robust Whole-Slide Survival Analysis
- Title（参考訳）: ドメイン・ロバスト全すべり生存解析のためのセマンティック・アンコレート・エビデンシャルフュージョン
- Authors: Yucheng Xing, Ling Huang, Pei Liu, Jingying Ma, Jiaqing Xu, Kai He, Mengling Feng,
- Abstract要約: VQA(Visual Question Answering)による全スライド画像から意味アンカーを導出するフレームワークを提案する。
1つのソースドメインのみをトレーニングし、4つの見えないドメインでゼロショットを評価し、平均的なCインデックスを10.2%改善しました。
VQA由来のセマンティックな特徴は、画素由来の特徴よりも明らかに中心間のばらつきが低く、中心間臨床応用の堅牢性を強調している。
- 参考スコア（独自算出の注目度）: 17.191308226416147
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Whole-slide images (WSIs) are widely used for computational cancer prognosis. However, most existing methods primarily focus on in-domain performance and fail to generalize across clinical centers. This limitation stems from their reliance on pixel-derived representations that are highly susceptible to domain-specific artifacts caused by staining protocols and scanner hardware. We hypothesize that high-level pathology semantics, such as tumor grade and micro-environmental architecture, provide a domain-invariant semantic representation that mirrors the robust diagnostic logic of human pathologists. Therefore, we propose a Semantic-Anchored Evidential Fusion Survival (SAEFS) framework, where SAEFS derives semantic anchors from WSIs via Visual Question Answering (VQA), employs a dual-stream WSI evidence extraction architecture, uses Dirichlet-based Subjective Logic to model uncertainty, and fuses semantic and visual evidence through a cautious conjunction rule to avoid overconfident fusion from correlated sources. Trained exclusively on one source domain and evaluated zero-shot across four unseen domains, SAEFS consistently outperforms state-of-the-art models both in prediction accuracy and reliability, improving the average C-index by 10.2%. Quantitative analyses further show that VQA-derived semantic features exhibit significantly lower cross-center divergence than pixel-derived features, highlighting their robustness for cross-center clinical applications.
- Abstract（参考訳）: 全スライディング画像(WSI)は、コンピュータガンの予後に広く用いられている。
しかし、既存の手法のほとんどはドメイン内のパフォーマンスに重点を置いており、臨床センター全体での一般化に失敗している。
この制限は、染色プロトコルとスキャナハードウェアによって引き起こされるドメイン固有のアーティファクトに非常に影響を受けやすいピクセル由来の表現に依存することに由来する。
腫瘍グレードやマイクロ環境アーキテクチャのような高レベルの病理意味論は、ヒト病理学者の堅牢な診断ロジックを反映したドメイン不変の意味表現を提供する、という仮説を立てる。
そこで我々は,SAEFSがWSIのセマンティックアンカーをVisual Question Answering (VQA) から派生したセマンティックアンカー(Semantic-Anchored Evidential Fusion Survival, SAEFS) フレームワークを提案する。
1つのソースドメインのみで訓練され、4つの未確認領域でゼロショットを評価し、SAEFSは予測精度と信頼性の両方において最先端のモデルを常に上回り、平均的なCインデックスを10.2%改善した。
さらに定量的分析により、VQA由来のセマンティックな特徴は画素由来の特徴よりも明らかに中心間差異を示し、中心間臨床応用におけるその堅牢性を強調した。
関連論文リスト
- VFM$^{4}$SDG: Unveiling the Power of VFMs for Single-Domain Generalized Object Detection [33.39250067795076]
現実のシナリオでは、天気、照明、撮像条件の連続的な変化は、大きなドメインシフトを引き起こす。
一般化オブジェクト検出(SDGOD)のための二元学習フレームワークを提案する。
符号化段階では,オブジェクト・バックグラウンドとインスタンス間モデリングの堅牢性を高めるために,クロスドメイン安定優先蒸留を提案する。
復号段階では,セマンティック・コンテキスト優先型クエリ拡張を提案する。
論文 参考訳（メタデータ） (2026-04-23T10:04:36Z) - Particle Diffusion Matching: Random Walk Correspondence Search for the Alignment of Standard and Ultra-Widefield Fundus Images [47.944896477309555]
標準ファンドス画像(SFI)とウルトラウェードフィールドファンドス画像(UWFI)のためのロバストアライメント手法を提案する。
本手法は粒子拡散マッチング (Particle Diffusion Matching, PDM) と呼ばれ, 拡散モデルにより誘導される反復ランダムウォーク対応探索 (RWCS) を通してアライメントを行う。
PDMは複数の網膜画像アライメントベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-04-11T08:09:53Z) - Semantic-Topological Graph Reasoning for Language-Guided Pulmonary Screening [9.742485458627343]
本稿では,言語誘導肺検診のためのセマンティック・トポロジカルグラフ推論フレームワークを提案する。
我々のアプローチは、視覚基盤モデルのゼロショットデライン化により、大規模言語モデルの推論能力をエレガントに相乗化します。
LIDC-IDRIでは81.5%のDice similarity Coefficient(DSC)を達成し、LISAのようなLLMベースのツールを5%以上上回っている。
論文 参考訳（メタデータ） (2026-04-07T09:20:55Z) - Exploring Robust Intrusion Detection: A Benchmark Study of Feature Transferability in IoT Botnet Attack Detection [46.724153214302184]
クロスドメイン侵入検出は、ネットワークのトラフィック特性と環境間の特徴分布に大きなばらつきがあるため、依然として重要な課題である。
本研究では、異種IoTおよび産業用IoTネットワーク条件を表す4つの広く使用されているデータセット間で、広く使用されている3つのフローベースの特徴セット(Argus、Zeek、CICFlowMeter)の転送可能性を評価する。
論文 参考訳（メタデータ） (2026-02-27T10:16:28Z) - MedAD-R1: Eliciting Consistent Reasoning in Interpretible Medical Anomaly Detection via Consistency-Reinforced Policy Optimization [46.65200216642429]
我々はMedADの最初の大規模マルチモーダル・マルチセンタベンチマークであるMedAD-38Kを紹介し、構造化された視覚質問応答(VQA)ペアとともに、CoT(Chain-of-Thought)アノテーションを特徴付ける。
提案するモデルであるMedAD-R1は、MedAD-38Kベンチマーク上での最先端(SOTA)性能を実現し、強いベースラインを10%以上上回った。
論文 参考訳（メタデータ） (2026-02-01T07:56:10Z) - LogICL: Distilling LLM Reasoning to Bridge the Semantic Gap in Cross-Domain Log Anomaly Detection [4.319103554448838]
クロスドメイン異常検出のための軽量エンコーダとして,大規模言語モデル(LLM)推論を蒸留するフレームワークであるLogICLを提案する。
推論において、最適化エンコーダは意味的類似性とデルタスコアを用いて推論対応のデモンストレーションを検索する。
少数ショットとゼロショットのクロスドメインベンチマークの実験により、LogICLは異種システム間で最先端のパフォーマンスを達成することを確認した。
論文 参考訳（メタデータ） (2025-12-10T13:13:30Z) - Rethinking Intracranial Aneurysm Vessel Segmentation: A Perspective from Computational Fluid Dynamics Applications [22.729240391465634]
脳動脈瘤とその親血管(IA-Vessel)の正確な分節は血行動態解析にとって重要なステップである。
641個の3次元MRA画像と587個の動脈瘤アノテーションとIA-Vesselsを併用した総合的多施設コレクションを報告した。
論文 参考訳（メタデータ） (2025-12-01T06:23:07Z) - DPsurv: Dual-Prototype Evidential Fusion for Uncertainty-Aware and Interpretable Whole-Slide Image Survival Prediction [47.01828369496283]
本稿では,不確実性を認識した生存区間を出力するデュアルプロトタイプ全スライディング画像顕在核融合ネットワークDPsurvを提案する。
予測結果の解釈は、特徴、推論、決定レベルで透明性を提供する。
論文 参考訳（メタデータ） (2025-09-28T05:37:29Z) - Decoupled Doubly Contrastive Learning for Cross Domain Facial Action Unit Detection [66.80386429324196]
そこで本稿では,AU 表現を2つに分離した2つのコントラスト適応 (D$2$CA) 手法を提案する。
D$2$CAは、合成顔の質を評価することにより、AUとドメイン因子を乱すように訓練される。
最先端のクロスドメインAU検出アプローチよりも一貫して優れています。
論文 参考訳（メタデータ） (2025-03-12T00:42:17Z) - Uncertainty-aware retinal layer segmentation in OCT through probabilistic signed distance functions [6.765624289092461]
オプティカルコヒーレンス・トモグラフィー(OCT)スキャンにおける不確実性認識網膜層セグメンテーションの新しいアプローチを提案する。
本手法は、レベルセットを介して網膜層形状を効果的にパラメータ化する符号付き距離関数(SDF)を予測することにより、セグメンテーションを洗練する。
これにより、あいまいな入力、撮像ノイズ、信頼できないセグメンテーションが存在する場合でも、網膜層の堅牢な表現が保証される。
論文 参考訳（メタデータ） (2024-12-06T10:44:11Z) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z)
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。