論文の概要: TaxoMIL: Taxonomy-Constrained Learning for Hierarchical Whole Slide Image Analysis

• arxiv url: http://arxiv.org/abs/2606.31100v1
• Date: Tue, 30 Jun 2026 03:48:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:19.069058
• Title: TaxoMIL: Taxonomy-Constrained Learning for Hierarchical Whole Slide Image Analysis
• Title（参考訳）: TaxoMIL:階層的全スライド画像解析のための分類論的制約付き学習
• Abstract要約: 全スライド画像(WSI)解析は、計算病理学の中心である。 TaxoMILは、WSIの診断を多粒度テキスト生成タスクとして再構成する分類制約付きフレームワークである。
• 参考スコア（独自算出の注目度）: 2.9016200073388507
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Whole slide image (WSI) analysis is central to computational pathology, with multiple instance learning (MIL) emerging as the standard pipeline for slide-level diagnosis. However, conventional approaches formulate WSI diagnosis as a flat classification task over discrete labels, contradicting the inherently hierarchical, coarse-to-fine nature of clinical reasoning. Although recent hierarchical classifiers and vision-language models (VLMs) have sought to address this structural gap, they either fail to capture semantic continuity between related diagnoses or suffer from unconstrained text generation that produces taxonomic hallucinations and parent-child label violations. To address these limitations, we propose TaxoMIL, a taxonomy-constrained framework that reformulates WSI diagnosis as a multi-granularity text generation task. TaxoMIL utilizes a dual-head Transformer decoder to generate coarse- and fine-level diagnostic text, and introduces taxonomy-guided objectives that explicitly structure the label embedding space and strictly ground slide-level visual representations within the clinical taxonomy. Extensive experiments across three diverse WSI datasets demonstrate that TaxoMIL consistently outperforms state-of-the-art MIL classifiers and VLM-based generative methods, yielding accurate and hierarchy-aware diagnostic predictions. The code is released at https://github.com/QuIIL/TaxoMIL
• Abstract（参考訳）: 完全スライド画像(WSI)解析は計算病理の中心であり、スライドレベルの診断の標準パイプラインとして複数のインスタンス学習(MIL)が出現する。 しかし,従来のアプローチでは,WSI診断は個別ラベルよりもフラットな分類課題として定式化されており,本質的に階層的かつ粗い臨床推論の性質に矛盾する。 最近の階層型分類器と視覚言語モデル(VLM)は、この構造的ギャップに対処しようとしたが、関連する診断間の意味的連続性を捉えなかったり、分類学的幻覚や親子ラベル違反を引き起こす制約のないテキスト生成に苦しんだりしている。 このような制約に対処するため,WSI の診断を多粒性テキスト生成タスクとして再構成する分類制約付きフレームワークである TaxoMIL を提案する。 TaxoMILは、デュアルヘッドトランスフォーマーデコーダを使用して、粗い診断テキストと細かな診断テキストを生成し、ラベル埋め込み空間を明示的に構造化し、臨床分類学内で厳密にスライドレベルの視覚表現を基盤とする分類誘導目標を導入する。 3つのWSIデータセットにわたる大規模な実験により、TaxoMILは最先端のMIL分類器とVLMベースの生成手法を一貫して上回り、正確で階層的な診断予測をもたらすことが示された。 コードはhttps://github.com/QuIIL/TaxoMILで公開されている。

関連論文リスト

• Gated Multi-Graph Fusion via Graph Attention Networks for Alzheimer's Disease Detection [52.36198268369384]
  自然発声はアルツハイマー病(AD)にとって重要な非侵襲的バイオマーカーである 本稿では,音声を自動音声認識(ASR)で書き起こし,セマンティック,依存性,共起グラフを構築するマルチビューGated Graph Attention Networkを提案する。
  論文  参考訳（メタデータ） (2026-06-30T06:15:59Z)
• Geometry-Aware State Space Model: A New Paradigm for Whole-Slide Image Representation [8.483387656208363]
  全スライド画像(WSI)は、組織標本をギガピクセル解像度でデジタル化する。 現在の方法では、パッチ表現を同質ユークリッド空間に暗黙的に埋め込む。 双対幾何学空間にWSI特徴を埋め込むハイブリッド双曲型ユークリッド表現を導入する。
  論文  参考訳（メタデータ） (2026-05-06T17:33:30Z)
• Hierarchical Prototype-based Domain Priors for Multiple Instance Learning in Multimodal Histopathology Analysis [4.767529995968428]
  デジタル病理学は、ギガピクセル全スライド画像(WSI)の計算解析を可能にし、診断を根本的に変えた 関節病理診断と予後診断のための統合的マルチモーダルアプローチである階層型プロトタイプベースドメインプライオリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-27T02:51:57Z)
• Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification [59.24009931000134]
  MVSL(Multi-View Synergistic Learning)は、適応パラダイム、表現の粒度、疾患の意味的関係に対処する統合フレームワークである。 MVSLは、視覚的およびテキスト的エンコーダの適応を分離し、それぞれの表現特性を尊重する。 さらに、グローバルなイメージセマンティクスと局所的な病変レベルの証拠の両方を明示的にモデル化するために、多粒性コントラスト学習を導入する。 MVSLは、いくつかのショットとゼロショットの分類設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-27T02:41:27Z)
• Taxonomy-Aware Representation Alignment for Hierarchical Visual Recognition with Large Multimodal Models [47.868429337792314]
  高パフォーマンスで汎用的な視覚理解モデルは、ラベルの分類木に視覚入力をマッピングすべきである。 我々は,分類学的知識をLMMに注入する簡易かつ効果的な方法として,分類学的認識表現アライメント(TARA)を提案する。 TARAはLMMの階層的一貫性と葉ノードの精度を一貫して強化し、既知のカテゴリと新しいカテゴリの両方を確実に認識する。
  論文  参考訳（メタデータ） (2026-02-28T03:13:15Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Few-Shot Learning from Gigapixel Images via Hierarchical Vision-Language Alignment and Modeling [45.67022392509926]
  HiVE-MILは、粗い(5x)と細い(20x)視覚/テキストノード間の親子リンクからなる統一グラフを構築するビジョン言語フレームワークである。 セマンティック一貫性をさらに強化するため、HiVE-MILには2段階のテキスト誘導動的フィルタリング機構が組み込まれている。 TCGA乳がん、肺がん、腎臓がんのデータセットの実験では、HiVE-MILは従来のMILと最近のVLMベースのMILアプローチの両方で一貫して優れていた。
  論文  参考訳（メタデータ） (2025-05-23T14:48:32Z)
• Pathological Prior-Guided Multiple Instance Learning For Mitigating Catastrophic Forgetting in Breast Cancer Whole Slide Image Classification [50.899861205016265]
  乳癌のWSI分類における破滅的忘れを緩和する新しい枠組みであるPaGMILを提案する。 私たちのフレームワークでは、共通のMILモデルアーキテクチャに2つの重要なコンポーネントを導入しています。 複数の乳がんデータセットを対象としたPaGMILの連続学習性能の評価を行った。
  論文  参考訳（メタデータ） (2025-03-08T04:51:58Z)
• The Role of Graph-based MIL and Interventional Training in the Generalization of WSI Classifiers [8.867734798489037]
  病理スライドの高解像度デジタルスキャンを含むWSI(Whole Slide Imaging)は、がん診断のゴールドスタンダードとなっている。 ギガピクセルの解像度と注釈付きデータセットの不足は、ディープラーニングモデルの課題を示している。 WSI 分類のための新しいフレームワークである Graph-based Multiple Instance Learning with Interventional Training (GMIL-IT) を導入する。
  論文  参考訳（メタデータ） (2025-01-31T11:21:08Z)
• HMIL: Hierarchical Multi-Instance Learning for Fine-Grained Whole Slide Image Classification [10.203984731917851]
  全スライド画像(WSI)のきめ細かい分類は、正確な癌診断とパーソナライズされた治療戦略を可能にする、精密腫瘍学において不可欠である。 マルチインスタンス学習(MIL)パラダイムはWSIの計算負担を軽減するが、既存のMIL手法は階層的なラベル相関を無視することが多い。 本稿では,これらの制約を克服する新しい階層型マルチインスタンス学習(HMIL)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-12T09:22:00Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)

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。