論文の概要: ALICE: Learning a General-Purpose Pathology Foundation Model from Vision, Vision-Language, and Slide-Level Experts

• arxiv url: http://arxiv.org/abs/2607.09526v1
• Date: Fri, 10 Jul 2026 15:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 14:47:12.891871
• Title: ALICE: Learning a General-Purpose Pathology Foundation Model from Vision, Vision-Language, and Slide-Level Experts
• Title（参考訳）: ALICE:視覚・視覚・言語・スライドレベル専門家から汎用病理モデルを学ぶ
• Abstract要約: ALICEは多段凝集蒸留により訓練された統合基礎モデルである。 ALICEは24,985,184個のタイルレベルの病理像と155,604個の高解像度画像に事前訓練されている。 ALICEは、タスクマッチングされた病理基盤モデルの中で、最高の平均ランクを達成した。
• 参考スコア（独自算出の注目度）: 9.6920380318308
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Foundation models are reshaping computational pathology, yet their capabilities remain shaped by pretraining objectives, data sources, and spatial scales, fragmenting complementary expertise across separate backbones. Here we present ALICE, a unified foundation model trained through multi-stage agglomerative distillation that sequentially distills eight vision-only, vision-language, and slide-level teacher models into dedicated modules of a single backbone. ALICE is pretrained on 24,985,184 tile-level pathology images and 155,604 high-resolution images, and evaluated across 21 task scenarios, 96 downstream tasks, and 48 data sources, spanning region-of-interest tissue analysis, vision-language multimodal evaluation, and whole-slide clinical assessment. In all three evaluation settings, ALICE achieved the best average rank among task-matched pathology foundation models. These results demonstrate that agglomerative distillation can consolidate complementary capabilities from specialized models into a unified backbone for broad computational pathology applications. The model is available at https://github.com/WonderLandxD/ALICE.
• Abstract（参考訳）: 基礎モデルは計算病理を再構築しているが、それらの能力は、目標、データソース、空間スケールの事前訓練によって形成され、別々のバックボーン間で補完的な専門知識を断片化する。 ここでは,多段階凝集蒸留により学習した統合基礎モデルであるALICEについて,視覚のみの8種類の教師モデルを,単一のバックボーンの専用モジュールに順次蒸留する。 ALICEは24,985,184個のタイルレベルの病理画像と155,604個の高解像度画像に事前トレーニングされ、21のタスクシナリオ、96のダウンストリームタスク、48のデータソース、関心のある組織分析、視覚言語によるマルチモーダル評価、および全スライディング臨床評価で評価されている。 これら3つの評価設定において、ALICEはタスクマッチングされた病理基盤モデルの中で最高の平均ランクを達成した。 これらの結果から, 凝集蒸留は, 専門モデルからの補完機能を, 広義の計算病理学応用のための統一されたバックボーンに統合できることが示唆された。 モデルはhttps://github.com/WonderLandxD/ALICEで入手できる。

関連論文リスト

• Benchmarking Computational Pathology Foundation Models For Semantic Segmentation [0.0]
  CONCH、PathDino、CellViTのコンカレント機能は、すべてのデータセットで個々のモデルのパフォーマンスを7.95%向上させた。 視覚言語基盤モデルであるCONCHは,視覚のみの基礎モデルと比較して,データセット間で最高の性能を示した。
  論文  参考訳（メタデータ） (2026-02-21T08:00:46Z)
• Atlas 2 - Foundation models for clinical deployment [58.17064730809252]
  我々はAtlas 2とAtlas 2-BとAtlas 2-Sを提示する。 我々のモデルは、これまでで最大の病理基盤モデルデータセットでトレーニングされ、スライド画像全体の550万の病理組織学で構成された。
  論文  参考訳（メタデータ） (2026-01-08T17:37:00Z)
• Multi-Modal Foundation Models for Computational Pathology: A Survey [32.25958653387204]
  基礎モデルは、計算病理学(CPath)の強力なパラダイムとして登場した。 我々は、32の最先端マルチモーダル基盤モデルを、視覚言語、視覚知識グラフ、視覚生成表現の3つの主要なパラダイムに分類する。 病理学に適した28の利用可能なマルチモーダルデータセットを分析し、画像テキストペア、命令データセット、画像以外のモダリティペアにグループ化する。
  論文  参考訳（メタデータ） (2025-03-12T06:03:33Z)
• Rethinking Foundation Models for Medical Image Classification through a Benchmark Study on MedMNIST [7.017817009055001]
  医用画像分類タスクにおける基礎モデルの有用性について,MedMNISTデータセットのベンチマークによる検討を行った。 我々は畳み込みモデルからトランスフォーマーモデルまで様々な基礎モデルを採用し、すべての分類タスクに対してエンドツーエンドのトレーニングと線形探索の両方を実装している。
  論文  参考訳（メタデータ） (2025-01-24T18:01:07Z)
• LoRKD: Low-Rank Knowledge Decomposition for Medical Foundation Models [59.961172635689664]
  知識分解」は、特定の医療課題のパフォーマンス向上を目的としている。 我々はLow-Rank Knowledge Decomposition(LoRKD)という新しいフレームワークを提案する。 LoRKDは、低ランクのエキスパートモジュールと効率的な知識分離畳み込みを組み込むことで、グラデーションを異なるタスクから明確に分離する。
  論文  参考訳（メタデータ） (2024-09-29T03:56:21Z)
• Towards A Generalizable Pathology Foundation Model via Unified Knowledge Distillation [41.25398139658467]
  現在の基礎モデルは限定型とタスク数でのみ評価されており、その一般化能力と全体的な性能は不明確である。 本研究は,6つの異なる臨床タスクタイプにわたる既成基礎モデルの性能を評価するためのベンチマークを構築した。 本稿では, エキスパートと自己知識の双方からなる統合された知識蒸留フレームワークを提案し, モデルが複数のエキスパートモデルの知識から学べるようにした。
  論文  参考訳（メタデータ） (2024-07-26T01:12:54Z)
• RET-CLIP: A Retinal Image Foundation Model Pre-trained with Clinical Diagnostic Reports [19.915033191502328]
  Vision-Language Foundationモデルは、コンピュータビジョンと自然言語処理の分野でますます研究されている。 この問題に対処するために,CLIP型網膜画像基盤モデルを開発した。 我々の基礎モデルであるRET-CLIPは、カラーファンドスの一般的な特徴を抽出するために、193,865人の患者のデータセットで特別に訓練されている。
  論文  参考訳（メタデータ） (2024-05-23T03:20:51Z)
• Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
  本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。 特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。 また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
  論文  参考訳（メタデータ） (2024-04-27T05:03:42Z)
• AM-RADIO: Agglomerative Vision Foundation Model -- Reduce All Domains Into One [47.58919672657824]
  このアプローチをAM-RADIO(Agglomerative Model -- すべてのドメインを1に還元する)と名付けます。 教師モデルより少なくとも7倍高速な新しいアーキテクチャ(E-RADIO)を開発した。 包括的なベンチマークプロセスでは、ImageNet分類、ADE20kセマンティックセグメンテーション、COCOオブジェクト検出、LLaVa-1.5フレームワークなどの下流タスクをカバーしています。
  論文  参考訳（メタデータ） (2023-12-10T17:07:29Z)
• LVM-Med: Learning Large-Scale Self-Supervised Vision Models for Medical Imaging via Second-order Graph Matching [59.01894976615714]
  LVM-Medは、大規模医療データセットに基づいてトレーニングされた、最初のディープネットワークファミリーである。 55の公開データセットから約13万の医療画像を収集しました。 LVM-Medは、多くの最先端の教師付き、自己監督型、基礎モデルよりも経験的に優れている。
  論文  参考訳（メタデータ） (2023-06-20T22:21:34Z)
• A multi-stage machine learning model on diagnosis of esophageal manometry [50.591267188664666]
  このフレームワークには、飲み込みレベルにおけるディープラーニングモデルと、学習レベルにおける機能ベースの機械学習モデルが含まれている。 これは、生のマルチスワローデータからHRM研究のCC診断を自動的に予測する最初の人工知能モデルである。
  論文  参考訳（メタデータ） (2021-06-25T20:09:23Z)

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。