論文の概要: Two-Stage Cross-Domain Cervical Abnormality Screening with Cytopathological Image Synthesis and Knowledge Distillation

• arxiv url: http://arxiv.org/abs/2606.27678v1
• Date: Fri, 26 Jun 2026 03:21:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.358163
• Title: Two-Stage Cross-Domain Cervical Abnormality Screening with Cytopathological Image Synthesis and Knowledge Distillation
• Title（参考訳）: 細胞病理学的画像合成と知識蒸留を併用した2段階横断頚部異常検診
• Abstract要約: 子宮頸部細胞病理では,クロスドメイン診断が大きな課題である。 本稿では,クロスドメイン・ネック細胞検出のための2段階フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.737793347269989
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cross-domain diagnosis remains a major challenge in cervical cell pathology due to pronounced domain shifts across institutions and the subtle visual differences among disease stages, which jointly impair model generalization. To address these issues, this paper proposes a two-stage framework for cross-domain cervical cell detection. In the first stage, we propose the Spatially-Continuous Unpaired Neural Schrödinger Bridge (SC-UNSB), which constructs a synthetic intermediate domain to mitigate cross-domain distribution shifts by modeling image translation as an entropy-regularized optimal transport process. In the second stage, we propose a dual-level feature alignment strategy within a knowledge distillation, which progressively aligns shallow structural features and deep semantic representations to facilitate the transfer of domain-invariant knowledge from the source to the target model. Experimental results demonstrate that the proposed method effectively mitigates domain shift and category ambiguity, improving the cross-domain detection performance.
• Abstract（参考訳）: クロスドメイン診断は、組織間でのドメインシフトの顕著さと、モデル一般化に障害のある疾患ステージ間の微妙な視覚的差異により、頸部細胞病理において依然として大きな課題である。 これらの課題に対処するため,クロスドメイン型子宮頸部細胞検出のための2段階フレームワークを提案する。 第1段階では、画像変換をエントロピー規則化された最適輸送プロセスとしてモデル化することにより、クロスドメイン分布シフトを緩和する合成中間ドメインを構築する、空間的に連続しないニューラルシュレーディンガーブリッジ(SC-UNSB)を提案する。 第2段階では,浅層構造の特徴と深部意味表現を段階的に整列させて,ソースからターゲットモデルへのドメイン不変知識の伝達を容易にする,知識蒸留における二重レベル特徴アライメント戦略を提案する。 実験の結果,提案手法は領域シフトとカテゴリのあいまいさを効果的に軽減し,クロスドメイン検出性能を向上させることが示された。

関連論文リスト

• Cross-Domain Vessel Segmentation via Latent Similarity Mining and Iterative Co-Optimization [25.50657242704898]
  ドメイン間の潜伏血管類似性を生かした新しいドメイン転送フレームワークを提案する。 我々は,分割ネットワークと生成モデルが相互最適化を行う反復的改良戦略を開発する。 実験により, クロスドメイン網膜血管セグメンテーションの最先端性能が得られた。
  論文  参考訳（メタデータ） (2026-04-02T02:55:30Z)
• Towards Domain-Generalized Open-Vocabulary Object Detection: A Progressive Domain-invariant Cross-modal Alignment Method [59.30562121800656]
  Open-Vocabulary Object Detectionは、新しいカテゴリへの一般化において大きな成功を収めた。 我々は、OVODパラダイムの原則的な見直しを行い、根本的な脆弱性を明らかにする。 PICA(Progressive Domain-invariant Cross-Modal Alignment)を提案する。
  論文  参考訳（メタデータ） (2026-03-29T07:39:31Z)
• DDS-UDA: Dual-Domain Synergy for Unsupervised Domain Adaptation in Joint Segmentation of Optic Disc and Optic Cup [9.302794224184263]
  畳み込みニューラルネットワーク(CNN)は、単一機関データセット上での光ディスクと光カップの接合セグメンテーションにおいて、エキサイティングなパフォーマンスを実現している。 しかし、彼らの臨床翻訳は2つの大きな課題によって妨げられている。 本稿では,ドメイン間干渉とドメイン内一般化を緩和する新しい UDA フレームワークである Dual-Domain Synergy UDA (DDS-UDA) を提案する。
  論文  参考訳（メタデータ） (2026-03-07T08:30:14Z)
• Cross-Domain Transfer with Self-Supervised Spectral-Spatial Modeling for Hyperspectral Image Classification [5.784164305429653]
  本稿では,自己管理型クロスドメイン転送フレームワークを提案する。 ソースラベルなしで伝送可能なスペクトル-空間結合表現を学習する。 実験結果は、安定した分類性能と強いクロスドメイン適応性を示す。
  論文  参考訳（メタデータ） (2026-01-26T02:52:35Z)
• Towards Robust and Realistic Human Pose Estimation via WiFi Signals [85.60557095666934]
  WiFiベースの人間のポーズ推定は、離散的で微妙なWiFi信号を人間の骨格にブリッジする難しいタスクである。 本論文は,本問題を再検討し,(1)ドメイン間ギャップ,(2)ソース・ターゲット領域のポーズ分布の顕著な変化,(2)骨格のポーズが歪んだトポロジーを示す構造的フィデリティギャップ,の2つの重要な問題を明らかにする。 本稿では,タスクをDT-Poseと呼ばれる新しい2段階のフレームワークに書き換えることで,これらのギャップを埋める:ドメイン一貫性表現学習とトポロジ制約ポスデコーディング。
  論文  参考訳（メタデータ） (2025-01-16T09:38:22Z)
• BTMuda: A Bi-level Multi-source unsupervised domain adaptation framework for breast cancer diagnosis [16.016147407064654]
  乳がん診断のためのBTMudaと呼ばれるbi-level Multi-source unsupervised domain adaptation法を構築した。 ドメインシフト問題をドメイン内とドメイン間という2つのレベルに分割することで、ドメインシフトの問題に対処する。 本手法は,3つのパブリックマンモグラフィーデータセットの実験において,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2024-08-30T07:25:53Z)
• Learning to Generalize over Subpartitions for Heterogeneity-aware Domain Adaptive Nuclei Segmentation [8.303040737608173]
  画像レベルとインスタンスレベルの両方でドメイン不変の特徴表現を取得するために,2段階のアンタングルメントフレームワークを提案する。 合成画像における核の過剰発生と変形を防止するために, 二重分岐型核形状と構造保存モジュールを提案する。
  論文  参考訳（メタデータ） (2024-01-17T01:37:17Z)
• Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
  自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。 非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。 本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
  論文  参考訳（メタデータ） (2023-07-27T08:58:05Z)
• Cross-Modality Brain Tumor Segmentation via Bidirectional Global-to-Local Unsupervised Domain Adaptation [61.01704175938995]
  本論文では,UDAスキームに基づくBiGL(Bidirectional Global-to-Local)適応フレームワークを提案する。 具体的には、脳腫瘍をセグメント化するために、双方向画像合成およびセグメンテーションモジュールを提案する。 提案手法は, 最先端の非教師なし領域適応法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2021-05-17T10:11:45Z)
• Bi-Directional Generation for Unsupervised Domain Adaptation [61.73001005378002]
  教師なしのドメイン適応は、確立されたソースドメイン情報に依存するラベルなしのターゲットドメインを促進する。 従来の手法では、潜在空間におけるドメインの不一致を強制的に低減することで、本質的なデータ構造が破壊される。 本稿では、2つの中間領域をブリッジソースとターゲットドメインに補間する一貫した分類器を用いた双方向生成ドメイン適応モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-12T09:45:39Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。