論文の概要: Geometry-aware Gaussian Prior and Axial Attention for Cervical Cytology Image Classification
- arxiv url: http://arxiv.org/abs/2607.10278v1
- Date: Sat, 11 Jul 2026 12:18:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.371508
- Title: Geometry-aware Gaussian Prior and Axial Attention for Cervical Cytology Image Classification
- Title（参考訳）: 頸部細胞診画像分類における幾何学的ガウス先行と軸方向の注意
- Abstract要約: 頸部がん検診を指向した画像解析のための幾何学的分類フレームワークを提案する。
提案フレームワークは,事前学習された視覚言語の特徴から学習した意味的抽象化と構造的先行性を含む。
- 参考スコア（独自算出の注目度）: 24.783941822872936
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accurate cervical cytology image classification is a key component of automated cervical cancer screening, where reliable recognition of normal, precancerous, and cancer-associated cellular patterns from Pap smear images can improve screening efficiency and diagnostic consistency. However, this task remains challenging because cervical cells exhibit complex morphology, subtle intra-class variations, and strong inter-class similarities. Existing convolution-based models capture local texture well but have limited ability to model long-range relationships, whereas attention-based models provide broader context but often lack explicit structural guidance. To address these limitations, we propose a geometry-aware classification framework for cervical cancer screening-oriented cytology image analysis, incorporating semantic abstraction and structural priors learned from pre-trained vision-language features. The method uses Gaussian expert modules to generate axis-wise priors from global semantic information, capturing structural regularities such as nuclear alignment and cellular spatial organization. These priors are embedded into an axial self-attention module to modulate similarity computation along horizontal and vertical directions, improving long-range dependency modeling and structure-sensitive feature interaction. Experiments on the Mendeley liquid-based cytology and SIPaKMeD datasets show that the proposed method achieves 99.48% accuracy on the former and 96.08% on the latter, with balanced gains in recall, precision, and overall classification performance. Visual analysis further shows that the learned priors highlight diagnostically relevant cellular regions, demonstrating the potential of the proposed framework as a screening-oriented decision-support tool for cervical cytology.
- Abstract（参考訳）: 正確な頚部細胞診画像分類は、乳頭癌検診において重要な要素であり、乳頭スミア画像から正常、早期、癌関連細胞パターンを確実に認識することで、スクリーニング効率と診断の整合性を向上させることができる。
しかし、頚部細胞は複雑な形態、微妙なクラス内変異、強いクラス間類似性を示すため、この課題は依然として困難なままである。
既存の畳み込みベースのモデルは局所的なテクスチャをよく捉えているが、長距離関係をモデル化する能力は限られている。
これらの制約に対処するため, 頚部癌検診を指向した細胞診画像解析のための幾何学的分類フレームワークを提案し, 予め訓練した視覚言語の特徴から学習した意味的抽象化と構造的先行性を取り込んだ。
この方法はガウスの専門家モジュールを用いてグローバルな意味情報から軸方向の先行情報を生成し、核アライメントや細胞空間構造などの構造的規則性を捉える。
これらの先行は軸方向の自己保持モジュールに埋め込まれ、水平方向と垂直方向の類似性計算を変調し、長距離依存性モデリングと構造に敏感な特徴相互作用を改善する。
メンデレー液体ベースの細胞学とSIPaKMeDデータセットの実験により、提案手法は前者では99.48%、後者では96.08%の精度で、リコール、精度、全体的な分類性能のバランスが取れた。
ビジュアル分析により、学習した前駆体は診断に関連のある細胞領域を強調し、子宮頸部細胞診のためのスクリーニング指向の意思決定支援ツールとして提案されるフレームワークの可能性を示した。
関連論文リスト
- Spatial Normalization for Cross-Domain Retinal Layer Segmentation in Optical Coherence Tomography [0.4497001527881303]
我々はOCTボリュームを共通の解剖学的基準に整合させるFovea中心の正規化フレームワークを導入する。
分割品質を総合的に評価するために,従来のBスキャンレベルでのオーバーラップベース指標とAスキャンレベルでのトポロジ対応指標と,顔レベルでの厚みベース指標を組み合わせた。
論文 参考訳（メタデータ） (2026-07-17T15:47:18Z) - Learning To Focus: Anatomy-Guided Attention Regularization for Medical Image Classification [1.2081034098848615]
Locusは、解剖学的(地上)と背景領域の間の注意のバランスをとる正規化フレームワークである。
皮膚内視鏡,X線,病理組織学,心臓MRIを対象とする8種類の医用画像データセットについてLocusを検証した。
論文 参考訳（メタデータ） (2026-07-12T17:26:17Z) - K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。
提案手法はシミュレーションと実世界の応用を通して評価する。
論文 参考訳（メタデータ） (2026-05-14T13:35:44Z) - Fundus Image-based Glaucoma Screening via Retinal Knowledge-Oriented Dynamic Multi-Level Feature Integration [29.89152706520972]
本稿では,動的マルチスケール特徴学習とドメイン固有網膜前駆体を統合した知識指向緑内障スクリーニングフレームワークを提案する。
動的ウィンドウ機構は、診断情報領域を適応的に識別するために考案された。
知識強化畳み込み注意モジュールは、事前訓練された基礎モデルから抽出された網膜前駆体を組み込んで注意学習を誘導する。
論文 参考訳（メタデータ） (2026-04-14T06:38:42Z) - DOGMA: Weaving Structural Information into Data-centric Single-cell Transcriptomics Analysis [43.565183518761984]
生データの構造的再構成と意味的拡張を目的としたデータ中心型フレームワークであるDOGMAを提案する。
複雑な多種多様なベンチマークにおいて、DOGMA SOTA性能は優れたゼロショットロバスト性とサンプル効率を示す。
論文 参考訳（メタデータ） (2026-02-02T09:10:09Z) - Prior-AttUNet: Retinal OCT Fluid Segmentation Based on Normal Anatomical Priors and Attention Gating [6.013762133627291]
本研究は, 生成解剖学的先行を付加したセグメンテーションモデルである Pre-AttUNet を紹介する。
このフレームワークは、生成前の経路とセグメンテーションネットワークを統合するハイブリッドなデュアルパスアーキテクチャを採用している。
このモデルは計算コストが 0.37 TFLOPs で、セグメント精度と推論効率の効果的なバランスを保っている。
論文 参考訳（メタデータ） (2025-12-25T14:37:04Z) - A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。
CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。
本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
論文 参考訳（メタデータ） (2025-12-15T10:22:43Z) - MorphGen: Morphology-Guided Representation Learning for Robust Single-Domain Generalization in Histopathological Cancer Classification [7.220226391639059]
計算病理学における領域一般化は、スライド画像全体の不均一性によって妨げられる。
組織像,拡張,核分割マスクを統合したMorphGenを提案する。
画像の汚損(染色品など)や敵攻撃に対する学習表現のレジリエンスを実証する。
論文 参考訳（メタデータ） (2025-08-30T01:59:19Z) - PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。
本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。
本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2025-04-09T14:58:21Z) - FECT: Classification of Breast Cancer Pathological Images Based on Fusion Features [1.9356426053533178]
We propose a novel breast cancer tissue classification model that fused features of Edges, Cells, and tissues (FECT)。
我々のモデルは、分類精度とF1スコアの観点から、現在の高度な手法を超越している。
本モデルは解釈可能性を示し,今後の臨床応用において重要な役割を担っている。
論文 参考訳（メタデータ） (2025-01-17T11:32:33Z) - Beyond the Eye: A Relational Model for Early Dementia Detection Using Retinal OCTA Images [43.73298205923969]
早期発症アルツハイマー病 (AD) と軽度認知障害 (MCI) をコントロールから識別するために, 網膜光コヒーレンストモグラフィー (OCTA) を用いた新しいPolarNet+を提案する。
提案手法は,まずカルト座標から極座標へのOCTA画像のマッピングを行う。
次に,包括的かつ臨床的に有用な情報抽出のための3次元画像のシリアライズと解析を行う多視点モジュールを提案する。
論文 参考訳（メタデータ） (2024-08-09T15:10:34Z) - Revisiting Adaptive Cellular Recognition Under Domain Shifts: A Contextual Correspondence View [49.03501451546763]
生物学的文脈における暗黙の対応の重要性を明らかにする。
モデル構成成分間のインスタンス認識トレードオフを確保するために, 自己適応型動的蒸留を提案する。
論文 参考訳（メタデータ） (2024-07-14T04:41:16Z)
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。