論文の概要: Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval

• arxiv url: http://arxiv.org/abs/2606.26157v1
• Date: Tue, 23 Jun 2026 20:57:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.015255
• Title: Reducing Redundancy in Whole-Slide Image Patching for Scalable Indexing and Retrieval
• Title（参考訳）: スケーラブルインデックス作成と検索のための全スライディング画像パッチングの冗長性低減
• Authors: Jialiang Geng, Ghazal Alabtah, Saghir Alfasly, Wataru Uegami, H. R. Tizhoosh,
• Abstract要約: 本稿では,異なる組織クラス間の冗長性を活用して,各WSIからインデックス化しなければならないパッチ数を著しく削減する,基本的反対フレームワークARReSTを提案する。 過剰なパッチ表現を最小限にすることで、ARReSTはストレージのフットプリントを減らし、計算オーバーヘッドを減らし、大きな病理リポジトリ間の類似性検索を高速化する。 提案手法は,スケーラブルで費用効率のよいWSIインデクシングを可能にし,次世代の検索駆動臨床AIシステムに適している。
• 参考スコア（独自算出の注目度）: 2.497936211748472
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid growth of digital pathology has created an urgent need for efficient indexing and retrieval of whole slide images (WSIs). This need is intensified by emerging generative AI workflows, particularly retrieval-augmented generation (RAG), which require dependable similarity search to support high-stakes clinical decision-making. Yet the substantial cost of high-performance storage limits the scalability and accessibility of WSI indexing for many healthcare institutions. Consequently, methods that can reduce storage demands while preserving retrieval accuracy have become a critical research priority. We propose ARReST (Antithetical Redundancy Reduction Strategy), a principled oppositional framework that leverages redundancy across dissimilar tissue classes to markedly decrease the number of patches that must be indexed from each WSI. Instead of eliminating only within-class duplicates, ARReST identifies antithetical patches-those whose representations contribute minimally to cross-class discrimination-and prunes them from the searchable archive. This targeted reduction substantially compresses the index without sacrificing morphological diversity or retrieval fidelity. By minimizing superfluous patch representations, ARReST reduces storage footprint, lowers computational overhead, and accelerates similarity search across large pathology repositories. Extensive experiments on TCGA repository (The Cancer Genome Atlas with 21 organs) demonstrate that ARReST achieves significant index compression while maintaining competitive retrieval performance. The observed storage savings of 3% to 60% (14%$\pm$13%) can be reliably achieved without compromising retrieval performance for many organs. The proposed strategy enables scalable, cost-efficient WSI indexing and is well-suited for next-generation retrieval-driven clinical AI systems.
• Abstract（参考訳）: デジタル病理の急速な成長は、スライド画像全体(WSI)の効率的なインデックス化と検索を急務に必要としてきた。 このニーズは、新たなジェネレーティブAIワークフロー、特に検索強化世代(RAG)によって強化される。 しかし、高性能ストレージのかなりのコストは、多くの医療機関のWSIインデックス作成のスケーラビリティとアクセシビリティを制限します。 これにより、検索精度を維持しながらストレージ要求を低減できる手法が重要研究の優先事項となっている。 異種組織クラス間の冗長性を活用して各WSIからインデックス付けしなければならないパッチ数を著しく削減する,原則的反対フレームワークであるARReST(Antithetical Redundancy Reduction Strategy)を提案する。 クラス内の複製だけを取り除く代わりに、ARReSTは、表現がクラス間の識別に最小限に寄与するアンチテティカルパッチを識別し、検索可能なアーカイブから削除する。 このターゲットリダクションは、形態的多様性や検索忠実性を犠牲にすることなく、インデックスを実質的に圧縮する。 過剰なパッチ表現を最小限にすることで、ARReSTはストレージフットプリントを減らし、計算オーバーヘッドを減らし、大きな病理リポジトリ間の類似性検索を高速化する。 TCGAリポジトリ(The Cancer Genome Atlas with 21 organs)での大規模な実験により、ARReSTは競争力のある検索性能を維持しながら、重要なインデックス圧縮を達成することが示された。 観測された保存量の3%から60%(14%$\pm$13%)は、多くの臓器の検索性能を損なうことなく確実に達成できる。 提案手法は,スケーラブルで費用効率のよいWSIインデクシングを可能にし,次世代の検索駆動臨床AIシステムに適している。

関連論文リスト

• No More K-means: Single-Stage Sparse Coding for Efficient Multi-Vector Retrieval [51.43543998583709]
  SSR(Single-stage Sparse Retrieval)は、高価なクラスタリングを効率的なスパースコーディングに置き換えるパラダイムシフトである。 ColBERTv2と比較してインデックス処理時間を15倍短縮し、検索レイテンシを半減させ、同時に検索性能を向上させる。
  論文  参考訳（メタデータ） (2026-05-28T15:53:34Z)
• Learned Image Compression and Restoration for Digital Pathology [3.7263231077138608]
  デジタル病理画像は医療診断において重要な役割を担っているが、その超高解像度と大きなファイルサイズは、ストレージ、トランスミッション、リアルタイム可視化に重大な課題をもたらす。 スライド画像全体(WSI)に特化して設計された新しいディープラーニングベースの画像圧縮フレームワークCLERICを提案する。 CLERICは学習可能なリフトスキームと高度な畳み込み技術を統合し、重要な病理情報を保存しながら圧縮効率を向上させる。
  論文  参考訳（メタデータ） (2025-03-31T09:09:09Z)
• A Short Survey on Set-Based Aggregation Techniques for Single-Vector WSI Representation in Digital Pathology [0.0]
  デジタル病理学は、スライド画像全体(WSI)としての組織サンプルのデジタル化、保存、分析を可能にすることによって、病理学の分野に革命をもたらす WSIは、組織サンプルの複雑な詳細をキャプチャするギガピクセルファイルであり、診断と研究目的のための豊富な情報ソースを提供する。 その巨大さのため、これらの画像を1つのコンパクトベクトルとして表現することは、多くの計算病理学的タスクに不可欠である。
  論文  参考訳（メタデータ） (2024-09-06T20:56:25Z)
• Semi-Parametric Retrieval via Binary Bag-of-Tokens Index [71.78109794895065]
  SemI-parametric Disentangled Retrieval (SiDR)は、ニューラルパラメータから検索インデックスを分離するバイエンコーダ検索フレームワークである。 SiDRは、検索のための非パラメトリックトークン化インデックスをサポートし、BM25のようなインデックス化の複雑さを著しく改善した。
  論文  参考訳（メタデータ） (2024-05-03T08:34:13Z)
• SPLICE -- Streamlining Digital Pathology Image Processing [0.7852714805965528]
  画像分類・問合せのための教師なしパッチアルゴリズムSPLICE(Sequential Patching Lattice for Image Classification and Enquiry)を提案する。 SPLICEは、病理組織学的WSIをコンパクトな代表パッチセットに凝縮し、冗長性を最小化しながらWSIの"コラージュ"を形成する。 教師なしの方法として、SPLICEは組織像の保存要求を50%削減する。
  論文  参考訳（メタデータ） (2024-04-26T21:30:36Z)
• Once for Both: Single Stage of Importance and Sparsity Search for Vision Transformer Compression [63.23578860867408]
  重要度評価と疎度評価を1段階にまとめる方法について検討する。 重要度と疎度の両方を同時に評価するコスト効率の高いOFBを提案する。 実験により、OFBは最先端のサーチベースおよびプルーニングベース手法よりも優れた圧縮性能が得られることが示された。
  論文  参考訳（メタデータ） (2024-03-23T13:22:36Z)

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。