論文の概要: ContiStain: Cross-Domain Relation-Preserving Distillation for Continual Multi-Domain Virtual IHC Staining

• arxiv url: http://arxiv.org/abs/2607.03851v1
• Date: Sat, 04 Jul 2026 12:42:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.737111
• Title: ContiStain: Cross-Domain Relation-Preserving Distillation for Continual Multi-Domain Virtual IHC Staining
• Title（参考訳）: ContiStain: 連続マルチドメイン仮想IHC染色のためのクロスドメイン関係保存蒸留
• Abstract要約: 統一された多重化仮想染色モデルにより、H&Eスライドからスケーラブルで非破壊的な多重化解析が可能になる。 新しいバイオマーカーのデータは通常、時間とともに順次取得される。 このような時間的到着データを微調整すると、以前に学習したバイオマーカーの性能が著しく低下する。 連続仮想染色のためのICC多ドメインリレーショナル蒸留フレームワークであるContiStainを提案する。
• 参考スコア（独自算出の注目度）: 16.13689098371241
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A unified multiplex virtual staining model enables scalable and non-destructive multiplex analysis from H&E slides while promoting parameter efficiency, shared pathological knowledge, and consistent cross-biomarker representations. However, in clinical practice, data for new biomarkers are typically acquired sequentially over time. Fine-tuning on such temporally arriving data leads to severe performance degradation on previously learned biomarkers, as sequential optimization disrupts the structured relationships among biomarker representations in the latent space. To address this issue, we propose ContiStain, an IHC multi-domain relational distillation framework for continual virtual staining. We first (i) construct a domain-aware structured feature space using a mixture-of-experts (MoE) feature extractor to reduce representation interference across biomarker domains. Based on this stabilized feature space, we then (ii) propose a relation-preserving distillation strategy that explicitly enforces the consistency of cross-domain token-level cosine similarity matrices between learned biomarker domains during continual adaptation. By maintaining cross-domain structural coherence, ContiStain mitigates forgetting while retaining adaptability to new domains. Experiments on the MIST dataset under a four-domain sequential virtual IHC staining setting show improved stability, reducing FID and ConchFID by 11.1 and 60.9 compared to sequential fine-tuning, enabling scalable and robust multi-domain virtual staining. Code is released at https://github.com/ccitachi/ContiStain.
• Abstract（参考訳）: 統合多重仮想染色モデルにより、パラメータ効率、共有病理知識、一貫したバイオマーカー表現を促進しながら、H&Eスライドからスケーラブルで非破壊的な多重化解析が可能となる。 しかし、臨床実践においては、新しいバイオマーカーのデータは通常、時間とともに順次取得される。 このような時間的到着データを微調整すると、逐次最適化が潜伏空間におけるバイオマーカー表現の構造的関係を乱すため、事前に学習したバイオマーカーの性能が著しく低下する。 この問題に対処するために, IHC多ドメインリレーショナル蒸留フレームワークであるContiStainを提案する。 はじめに i) バイオマーカー領域間の表現干渉を低減するために、Mix-of-experts (MoE)特徴抽出器を用いてドメイン認識型特徴空間を構築する。 この安定化された特徴空間に基づいて、我々は (II) 学習バイオマーカードメイン間のクロスドメイントークンレベルのコサイン類似性行列の整合性を連続的適応中に明示的に強制する関係保存蒸留戦略を提案する。 ドメイン間の構造コヒーレンスを維持することで、ContiStainは新しいドメインへの適応性を保ちながら忘れを省くことができる。 4ドメインのシーケンシャルな仮想IHC染色設定下でのMISTデータセットの実験では安定性が向上し、シーケンシャルな微調整に比べてFIDとConchFIDが11.1と60.9減少し、スケーラブルで堅牢なマルチドメイン仮想染色が可能になった。 コードはhttps://github.com/ccitachi/ContiStain.comで公開されている。

関連論文リスト

• Seamless Whole Slide Label-Free Virtual Staining [2.8960223865929073]
  本稿では,メモリボトルネックのないタイル間の空間的・チャネル的整合性を実現する,ラベルフリーな仮想染色フレームワークを提案する。 提案手法は, 最先端のベースラインよりも優れた性能を示し, 知覚的忠実度とタイリング一貫性の両面で有意な改善を実現している。
  論文  参考訳（メタデータ） (2026-09-09T23:59:55Z)
• Dual-Selective Network for Domain-Incremental Change Detection [9.619143785636433]
  ドメイン・インクリメンタル・チェンジ検出(DICD)は、事前の知識を維持しながら、モデルを新しい地理的領域に継続的に適応させる。 リプレイベースや正規化ベースのメソッドのような既存の戦略は、長いドメインシーケンスにスケールできないことが多い。 視覚状態空間モデルに基づく統合フレームワークであるDual-Selective Incremental Network (DSINet)を提案する。
  論文  参考訳（メタデータ） (2026-07-02T15:17:36Z)
• Towards Voxel Spacing Consistency for Medical Image Segmentation [56.992050146446495]
  画像再サンプリングとセグメンテーションの相関について検討し,意味認識型再サンプリングフレームワークであるConsispaceを提案する。 コンシスペースは、解剖学的および意味的一貫性を維持しながら、軸方向における一貫したボクセル間隔を達成する。
  論文  参考訳（メタデータ） (2026-06-30T15:42:23Z)
• 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)
• 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)
• A Multi-scale Fused Graph Neural Network with Inter-view Contrastive Learning for Spatial Transcriptomics Data Clustering [7.214595408714774]
  畳み込み後の空間的特徴と遺伝子的特徴を動的に統合するために,階層的に相互に注目するマルチスケールな相互融合グラフネットワークstMFGを提案する。 最先端の手法よりも優れており、特定のスライスで最大14%のARI改善を実現している。
  論文  参考訳（メタデータ） (2025-12-18T05:13:55Z)
• Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
  既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。 拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
  論文  参考訳（メタデータ） (2025-11-11T08:40:28Z)
• Attention-based Generative Latent Replay: A Continual Learning Approach for WSI Analysis [3.6630930118966814]
  全体スライド画像(WSI)分類は、計算病理学において強力なツールとして登場したが、ドメインシフトによって制約されている。 本稿では,Attention-based Generative Latent Replay Continual Learning framework (AGLR-CL) を提案する。
  論文  参考訳（メタデータ） (2025-05-13T12:55:46Z)
• Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization [68.41367635546183]
  単一ドメインの一般化は、単一のソースからのデータを使用して、さまざまなシナリオで一貫したパフォーマンスでモデルをトレーニングすることを目的としている。 モデル一般化を改善するために合成データを活用した学習フレームワークDRSFを提案する。
  論文  参考訳（メタデータ） (2025-03-17T18:08:03Z)
• Exploiting Aggregation and Segregation of Representations for Domain Adaptive Human Pose Estimation [50.31351006532924]
  人間のポーズ推定(HPE)は最近、モーション分析、バーチャルリアリティー、ヘルスケア等に広く応用されているため、注目を集めている。 時間と労働集約的なアノテーションのために、ラベル付き現実世界のデータセットが不足している。 本稿では,ドメイン適応型人間のポーズ推定のための表現集約と分離を両立させる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-29T17:59:45Z)
• Generalizing to Unseen Domains in Diabetic Retinopathy with Disentangled Representations [32.7667209371645]
  既存のモデルは、ドメインシフトのため、目に見えないドメインで顕著なパフォーマンス劣化を経験します。 本稿では,異なるドメインのペアデータの表現をセマンティックな特徴とドメインノイズに分離する新しいフレームワークを提案する。 結果として得られる拡張表現は、他のドメインからの独自の網膜意味論とドメインノイズを含み、実際の臨床ニーズに合わせて拡張表現を生成することを目的としている。
  論文  参考訳（メタデータ） (2024-06-10T15:43:56Z)
• Test-time Adaptation in the Dynamic World with Compound Domain Knowledge Management [75.86903206636741]
  テスト時間適応(TTA)により、モデルは新しい環境に適応し、テスト時間中にパフォーマンスを向上させることができる。 TTAのいくつかの研究は、継続的に変化する環境において、有望な適応性能を示している。 本稿ではまず,複合ドメイン知識管理を用いた堅牢なTTAフレームワークを提案する。 次に、ソースと現在のターゲットドメイン間のドメイン類似性を用いて適応率を変調する新しい正規化を考案する。
  論文  参考訳（メタデータ） (2022-12-16T09:02:01Z)
• Amplitude Spectrum Transformation for Open Compound Domain Adaptive Semantic Segmentation [62.68759523116924]
  オープン化合物ドメイン適応(OCDA)は、実用的な適応セットとして現れている。 我々は、新しい特徴空間振幅スペクトル変換(AST)を提案する。
  論文  参考訳（メタデータ） (2022-02-09T05:40:34Z)

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。