論文の概要: Bag-of-Visual-Words for Spatial Mapping of Lung Adenocarcinoma Growth Patterns

• arxiv url: http://arxiv.org/abs/2608.05074v1
• Date: Wed, 05 Aug 2026 17:17:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:44.041665
• Title: Bag-of-Visual-Words for Spatial Mapping of Lung Adenocarcinoma Growth Patterns
• Title（参考訳）: 肺腺癌進展パターンの空間マッピングのためのbag-of-Visual-Words
• Authors: Darya Ardan, Valentin Oreiller, Henning Müller,
• Abstract要約: Bag-of-Visual-Words(BoVW)パイプラインは、注目領域(ROI)から抽出した凍結基礎モデル埋め込みから視覚語彙を学習する パターンプロトタイプは同一ラベルROIのBoVWヒストグラムの平均として構築され,Jensen-Shannon分散下でのスライドウインドウ領域の最も近い原型分類に使用される。 CPTAC-LUAD患者87名を対象に,3つの基礎モデルエンコーダと2つの臨床的動機づけタスクにおける複数語彙サイズを用いた検討を行った。
• 参考スコア（独自算出の注目度）: 2.3230247783144873
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spatial mapping of lung adenocarcinoma (LUAD) growth patterns across whole slide images (WSIs) requires resolving architectural context at the region level, yet existing methods operate at the individual tile level and produce generic morphological clusters rather than clinically defined pattern maps. We propose a weakly supervised Bag-of-Visual-Words (BoVW) pipeline that learns a visual vocabulary from frozen foundation model embeddings extracted from a small set of annotated regions of interest (ROIs). Pattern prototypes are constructed as mean BoVW histograms of same-label ROIs and used for nearest-prototype classification of sliding-window regions under Jensen--Shannon divergence. The resulting predictions are projected onto the WSI tile grid to produce interpretable spatial pattern maps. We evaluate the method on 87 CPTAC-LUAD patients using three foundation model encoders and multiple vocabulary sizes on two clinically motivated tasks. For tumour/healthy classification, the best configuration achieves a balanced accuracy of $0.974$ with H-Optimus-1, approaching the $0.987$ obtained by a supervised SVM trained on mean-pooled WSI embeddings. For binary histologic grade classification, the BoVW pipeline achieves higher balanced accuracy than the supervised baseline for all encoders, suggesting that ROI-level pattern decomposition preserves grade-relevant heterogeneity that is attenuated by global mean pooling.
• Abstract（参考訳）: 肺腺癌 (LUAD) の成長パターンの局所的マッピングには, 地域レベルでのアーキテクチャ的コンテキストの解決が必要であるが, 既存の手法は個々のタイルレベルで動作し, 臨床で定義されたパターンマップではなく, 一般的な形態的クラスタを生成する。 本稿では,少量の注釈付き領域(ROI)から抽出した凍結基礎モデル埋め込みから視覚語彙を学習する,弱教師付きBag-of-Visual-Words(BoVW)パイプラインを提案する。 パターンプロトタイプは同一ラベルROIのBoVWヒストグラムの平均として構築され,Jensen-Shannon分散下でのスライドウインドウ領域の最も近い原型分類に使用される。 得られた予測はWSIタイルグリッドに投影され、解釈可能な空間パターンマップを生成する。 CPTAC-LUAD患者87名を対象に,3つの基礎モデルエンコーダと2つの臨床的動機づけタスクにおける複数語彙サイズを用いた検討を行った。 腫瘍/健康分類において、最良の構成は、平均プールされたWSI埋め込みで訓練された教師付きSVMが取得した0.974$とH-Optimus-1とのバランスの取れた精度を0.987$に近づける。 2値の組織学的グレード分類では、BoVWパイプラインは全エンコーダの教師付きベースラインよりも高い平衡精度を達成し、ROIレベルのパターン分解はグローバル平均プーリングによって減衰される等級関連不均一性を保っていることを示唆している。

関連論文リスト

• Direction-adaptive Mamba: Spatial-Frequency Dual-Domain Collaborative Learning for PolSAR Image Classification [36.750686260055424]
  深層学習は偏光合成開口レーダ(PolSAR)の画像分類を支配している。 マンバアーキテクチャは、線形複雑性と強力なグローバルモデリング能力のために、好ましいバックボーンとして機能する。 DA-MambaはPolSAR分類のための双方向協調学習を備えた指向適応型Mambaフレームワークである。
  論文  参考訳（メタデータ） (2026-07-26T05:17:07Z)
• Representation geometry shapes task performance in vision-language modeling for CT enterography [1.1999555634662633]
  腹部CT検査における視覚言語変換学習の初回研究について報告する。 スライスを埋め込むことで 分類学的疾患の評価が向上します 組織ごとのコントラストは、より広い空間カバレッジよりも重要である。
  論文  参考訳（メタデータ） (2026-04-14T17:56:23Z)
• Using Unsupervised Domain Adaptation Semantic Segmentation for Pulmonary Embolism Detection in Computed Tomography Pulmonary Angiogram (CTPA) Images [0.0]
  非教師なしドメイン適応(UDA)フレームワークはTransformerのバックボーンとMean-Teacherアーキテクチャを使って、センター間のセマンティックセマンティックセグメンテーションを実現する。 主な焦点は、特徴空間内の深い構造情報を学習することで、擬似ラベルの信頼性を高めることである。 クロスセンタデータセット(FUMPEとCAD-PE)で実施した実験的検証は、大幅な性能向上を示す。
  論文  参考訳（メタデータ） (2026-02-23T14:33:24Z)
• The Next Layer: Augmenting Foundation Models with Structure-Preserving and Attention-Guided Learning for Local Patches to Global Context Awareness in Computational Pathology [23.32822092398391]
  本稿では,予測と解釈性の向上を目的とした構造保存型注意誘導型MILアーキテクチャであるEAGLE-Netを提案する。 3種類のがんタイプ(10,260スライド)と7種類のがんタイプ(4,172スライド)を含む大規模な膵がんデータセットでベンチマークを行った。
  論文  参考訳（メタデータ） (2025-08-27T14:19:38Z)
• Survival Modeling from Whole Slide Images via Patch-Level Graph Clustering and Mixture Density Experts [7.0624785659308165]
  本稿では,スライド画像全体から癌特異的生存を予測するためのモジュラーフレームワークを提案する。 この枠組みは4つの重要な段階から成り、予測的形態学と不均一性を捉えるように設計されている。
  論文  参考訳（メタデータ） (2025-07-22T11:32:36Z)
• Depth-Sequence Transformer (DST) for Segment-Specific ICA Calcification Mapping on Non-Contrast CT [38.85617601239779]
  従来の3Dモデルは、縮小されたボリュームや分離されたパッチを処理せざるを得ない。 我々は,3次元課題を1次元軸方向に沿ったtextbfParallel Probabilistic Landmark Localizationタスクとして再構成する。 フル解像度CTボリュームを2次元スライスシーケンスとして処理するフレームワークである textbfDepth-Sequence Transformer (DST) を提案する。
  論文  参考訳（メタデータ） (2025-07-10T23:12:12Z)
• KaLDeX: Kalman Filter based Linear Deformable Cross Attention for Retina Vessel Segmentation [46.57880203321858]
  カルマンフィルタを用いた線形変形型クロスアテンション(LDCA)モジュールを用いた血管セグメンテーションのための新しいネットワーク(KaLDeX)を提案する。 我々のアプローチは、カルマンフィルタ(KF)ベースの線形変形可能な畳み込み(LD)とクロスアテンション(CA)モジュールの2つの重要なコンポーネントに基づいている。 提案手法は,網膜基底画像データセット(DRIVE,CHASE_BD1,STARE)とOCTA-500データセットの3mm,6mmを用いて評価した。
  論文  参考訳（メタデータ） (2024-10-28T16:00:42Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Classification of lung cancer subtypes on CT images with synthetic pathological priors [41.75054301525535]
  同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。 肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T02:04:05Z)
• Hierarchical Transformer for Survival Prediction Using Multimodality Whole Slide Images and Genomics [63.76637479503006]
  下流タスクのためのギガピクセルレベルのスライド病理画像(WSI)の良質な表現を学習することが重要である。 本稿では,病理画像と対応する遺伝子間の階層的マッピングを学習する階層型マルチモーダルトランスフォーマーフレームワークを提案する。 より優れたWSI表現能力を維持しながら、ベンチマーク手法と比較してGPUリソースが少ないアーキテクチャです。
  論文  参考訳（メタデータ） (2022-11-29T23:47:56Z)

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。