論文の概要: BagShift: Measuring How Patch Selection Changes the Evidence Seen by Whole-Slide MIL
- arxiv url: http://arxiv.org/abs/2608.15970v1
- Date: Sun, 16 Aug 2026 23:53:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.484041
- Title: BagShift: Measuring How Patch Selection Changes the Evidence Seen by Whole-Slide MIL
- Title（参考訳）: BagShift:全スライディングMILによるパッチ選択のエビデンスの変化の測定
- Abstract要約: BagShiftは、同じケースのセレクタを変更しながら、その機能と予測子を固定したペアプロトコルである。
均等な128パッチの予算で、組織をサンプリングしたり、1つの座標の周りに集中させたりすると、明らかに異なる証拠が浮かび上がる。
CAMELYON16では, 微小転移観察の10.0%に限って, 局所的な観察が腫瘍を保っていることが示唆された。
局所的な観測を繰り返すと、1つの非線形MILパスの前にパッチを結合することで、平均的な地域予測よりもPANDA QWKを7.87ポイント改善する。
- 参考スコア（独自算出の注目度）: 5.37385089150859
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Whole-slide multiple-instance learning (MIL) observes only the patches admitted by its selector. Deployment can alter this selector through compute limits, tissue masking, or regional workflows, even when the patch count is unchanged. We introduce BagShift, a paired protocol that changes the selector for the same case while holding its features and predictor fixed, thereby isolating selector response from case mix. With equal 128-patch budgets, sampling across the tissue or concentrating around one coordinate exposes markedly different evidence: on PANDA, the two views reduce quadratic weighted kappa by 1.57 and 17.96 points, respectively (QWK reported on the $\times100$ scale). On CAMELYON16, lesion annotations withheld from model development show that localized views retain tumor in only 10.0\% of micrometastatic observations, and matched exposure does not consistently recover the loss. The same fixed-count stressor produces a much smaller response on external lung subtyping, although differences in relative coverage make cross-task severity descriptive. When repeated localized observations are available, unioning their patches before one nonlinear MIL pass improves PANDA QWK by 7.87 points over averaging regional predictions. Patch count specifies computation, not observed evidence; deployment evaluations should report both what a selector preserves and how repeated observations are aggregated.
- Abstract（参考訳）: 全スライディングマルチインスタンス学習(MIL)は、セレクタが認識したパッチのみを観察する。
パッチ数が変更されていない場合でも、計算制限や組織マスキング、あるいは地域ワークフローを通じて、デプロイはこのセレクタを変更することができる。
バグシフト(BagShift)は、同じケースのセレクタをその機能を保持し、予測器を固定したまま変更し、ケースミックスからセレクタ応答を分離するペアプロトコルである。
128パッチの予算が等しく、組織をサンプリングしたり、1つの座標に集中したりすると、明らかに異なる証拠が示される:PANDAでは、2つのビューはそれぞれ1.57ポイントと17.96ポイント削減されている(QWKは$\times100$scaleで報告している)。
CAMELYON16では, 局所的な観察で腫瘍は10.0\%に留まり, 一致した曝露は連続的に消失を回復しない。
同じ固定数ストレス因子は外部の肺サブタイプに対する反応をはるかに小さくするが、相対的なカバレッジの違いはクロスタスクの重症度を記述している。
局所的な観測を繰り返すと、1つの非線形MILパスの前にパッチを結合することで、平均的な地域予測よりもPANDA QWKを7.87ポイント改善する。
Patch countは、観測された証拠ではなく計算を規定する。デプロイメント評価は、セレクタが保存するものと、どのように繰り返し観測されるかの両方を報告すべきである。
関連論文リスト
- CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation [14.844162865265673]
そこで我々は,不一致の時間的集合を全クラスにわたって1ピクセルあたりの温度場にマッピングし,セグメント化ができない間に信頼度が変化するようにCARDを提案する。
心臓、前立腺、脳のMRIシフトによって、CARDは各設定において最強のベースラインと比較した場合、49の45のキャリブレーション誤差を低下させる。
論文 参考訳（メタデータ） (2026-08-26T07:23:08Z) - The Cost of Adaptivity: Matching Lower Bounds Across Learning Problems [1.0742675209112622]
我々はスライス正規化ミニマックス比を用いてニュアンス適応を定式化する。
また、事前発表された1つのガウスクエリから任意のポストホックインスペクションへ拡張するコストを定義する。
論文 参考訳（メタデータ） (2026-08-09T17:19:11Z) - Consistent Evidence, Robust Recognition: Faithful Attribution Regularization under Geometric Transformations [42.90321348046055]
画像領域のサブモジュール探索に基づくアノテーションのない属性正規化フレームワークを提案する。
候補部分集合がモデル出力にどのように影響するかを測定することで、探索は、コンパクトでクラス識別的な証拠を探索由来の監督として抽出する。
ImageNet-100の実験結果から,VT-B/16の属性安定性,挿入性,削除性は0.28ポイントの精度低下で大幅に向上することがわかった。
論文 参考訳（メタデータ） (2026-07-26T20:41:38Z) - Heckman-Corrected Epistemic Uncertainty: Selection on Unobservables Defeats Importance Weighting [0.0]
機械学習のためのトレーニングデータは、モデルが決して見ることのない選択プロセスによって定期的に収集される。
ヘックマンの2方程式モデルは、プロビット選択方程式と相関誤差によってリンクされた結果方程式に適合する。
ヘックマン補正は、選択方程式が -- 選択に影響を与えるが結果には影響しない変数 -- を持つ場合のカバレッジを復元し、測定不能に分解する。
論文 参考訳（メタデータ） (2026-07-07T03:59:46Z) - Explaining RhythmFormer: A Systematic XAI Analysis of Periodic Sparse Attention for Remote Photoplethysmography [1.647210198730602]
Photoplethys変換器は、ベンチマークで心拍数エラーが低いが、その決定は不透明である。
既存のXAIは、定量的忠実度測定や生理的根拠による検証を伴わない定性的なヒートマップ検査によって支配されている。
我々は、RhythmFormerの2レベルの注意をトップ$k$選択で定量化するために、4つの方法(raw attention, rollout, flow, Beyond Intuition)を適用する。
論文 参考訳（メタデータ） (2026-06-11T19:10:06Z) - FACTOR: Counterfactual Training-Free Test-Time Adaptation for Open-Vocabulary Object Detection [63.91351553178842]
FACTORはオープン語彙オブジェクト検出のためのトレーニング不要なテスト時間適応である。
属性依存性の予測を選択的に抑制するために、属性の感度、意味的関連性、予測のバリエーションを定量化する。
PASCAL-C, COCO-C, FoggyCityscapes の実験では、FACTOR が従来の TTA 法より一貫して優れていたことが示されている。
論文 参考訳（メタデータ） (2026-05-05T02:31:18Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - SpatialBench-UC: Uncertainty-Aware Evaluation of Spatial Prompt Following in Text-to-Image Generation [0.0]
SpaceBench-UCは、ペアの空間関係を再現可能な小さなベンチマークである。
ベンチマークパッケージ、バージョン付きプロンプト、ピン付き構成、サンプルごとのチェッカー出力、レポートテーブルをリリースします。
安定拡散1.5, SD 1.5 BoxDiff, SD 1.4 GLIGENの3つのベースラインについて検討した。
論文 参考訳（メタデータ） (2026-01-19T23:37:10Z) - See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection [51.59559387222532]
エンドツーエンド自動運転の最近の進歩は、パッチアライメント機能で訓練されたポリシーが、アウト・オブ・ディストリビューション(OOD)よりも一般化していることを示している。
我々は、より堅牢で、一般化可能で、効率的な学習ポリシーのためのシンプルで効果的なアプローチである2.4-Patch-Selection(SPS)を提案する。
論文 参考訳（メタデータ） (2026-01-15T18:58:33Z) - Ensemble Threshold Calibration for Stable Sensitivity Control [0.0]
本稿では,数千万組の幾何対もの幾何に対して,過度に分散した正確なリコールを実現するエンド・ツー・エンドのフレームワークを提案する。
我々のアプローチは、小さなエラーで常にリコールターゲットにヒットし、他のキャリブレーションと比較して冗長な検証を減らし、単一のTPU v3コア上でエンドツーエンドで実行します。
論文 参考訳（メタデータ） (2025-10-02T15:22:28Z) - Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。
そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。
良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。
我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
論文 参考訳（メタデータ） (2023-12-25T01:00:58Z) - Regressor-Segmenter Mutual Prompt Learning for Crowd Counting [70.49246560246736]
本稿では,アノテーションの差によるバイアスや不正確性を解決するために,相互学習(mPrompt)を提案する。
実験により、mPromptは平均誤差(MAE)を著しく減少させることが示された。
論文 参考訳（メタデータ） (2023-12-04T07:53:59Z) - Patch-level Gaze Distribution Prediction for Gaze Following [49.93340533068501]
トレーニング後の視線に対するパッチ分布予測(PDP)手法を提案する。
本モデルでは,アノテーションの差が大きい画像上でのより優れたヒートマップ分布を予測することにより,MSE損失の正則化を図っている。
実験により,ターゲット予測とイン/アウト予測サブタスクのギャップを埋めるモデルが得られた。
論文 参考訳（メタデータ） (2022-11-20T19:25:15Z)
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。