論文の概要: Interactive Whole Slide Images for RL-based Tumour Segmentation

• arxiv url: http://arxiv.org/abs/2608.16607v1
• Date: Mon, 17 Aug 2026 14:10:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.738748
• Title: Interactive Whole Slide Images for RL-based Tumour Segmentation
• Title（参考訳）: RLを用いたTumour Segmentationのための対話型全スライド画像
• Abstract要約: スライドの大きな空間分解能と腫瘍領域のスパース分布のため,WSI解析はいまだに計算的に困難である。 本稿では,WSI 上での逐次腫瘍分割のためのエンドツーエンド強化学習フレームワークを提案する。 この結果から,WSIをインタラクティブな環境としてモデル化することは,RLベースの計算病理学に有望な方向性をもたらすことが示唆された。
• 参考スコア（独自算出の注目度）: 0.7095350526841507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Whole-slide image (WSI) analysis remains computationally challenging due to the extremely large spatial resolution of slides and the sparse distribution of tumour regions. We propose an end-to-end reinforcement learning framework for sequential tumour segmentation directly on WSIs. Instead of treating the slide as a predefined collection of candidate patches, we formulate the WSI itself as a hierarchical multi-resolution environment through which an agent navigates using movement, zooming, and tumour selection actions. The agent jointly processes local observations and a global thumbnail representation within an actor-critic architecture trained using proximal policy optimization (PPO). Experiments on pulmonary adenocarcinoma WSIs demonstrate the feasibility of direct sequential tumour segmentation on full slides, achieving comparable coarse segmentation quality relative to patch-based approaches operating at similar magnification levels, while reducing inference time to a few seconds per slide. We further analyse the impact of environment design and action-space granularity. Our results suggest that modelling WSIs as interactive environments provides a promising direction for RL-based computational pathology
• Abstract（参考訳）: WSI解析は,スライドの空間分解能が極端に大きいことと,腫瘍領域のスパース分布が小さいことから,計算的に困難なままである。 本稿では,WSI 上での逐次腫瘍分割のためのエンドツーエンド強化学習フレームワークを提案する。 スライドを予め定義されたパッチの集合として扱う代わりに、エージェントが移動、ズーム、腫瘍選択アクションを使用してナビゲートする階層的なマルチレゾリューション環境として、WSI自体を定式化する。 エージェントは、近位政策最適化(PPO)を用いて訓練されたアクター・クリティカルなアーキテクチャにおいて、局所的な観察と大域的なサムネイル表現を共同で処理する。 WSIsを用いた肺腺癌実験では, 完全スライド上での直接腫瘍切開が可能であり, 同様の拡大レベルで動作するパッチベースのアプローチと比較して, 粗い切開品質が向上し, 推算時間も数秒に短縮された。 環境設計と行動空間の粒度の影響をさらに分析する。 我々の結果は、WSIをインタラクティブ環境としてモデル化することは、RLベースの計算病理学に有望な方向性をもたらすことを示唆している。

関連論文リスト

• 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)
• WSI-INR: Implicit Neural Representations for Lesion Segmentation in Whole-Slide Images [18.13897875757054]
  完全スライディング画像(WSI)は, 臨床診断において, 正確な病変分割が重要である計算病理学の根幹である。 既存の方法はWSIを個別のパッチに分割し、空間的連続性を妨害し、多解像度ビューを独立したサンプルとして扱う。 Inlicit Neural Representation (INR) に基づくパッチフリーフレームワーク WSI-INR を提案する。 WSI-INRは、WSIを組織意味論的な特徴に直接空間座標をマッピングする連続的な暗黙関数としてモデル化し、スライド全体にわたって固有の空間情報を保存しながらセグメンテーション結果を出力する。
  論文  参考訳（メタデータ） (2026-03-04T05:41:53Z)
• Zero-shot segmentation of skin tumors in whole-slide images with vision-language foundation models [1.2488173903877113]
  我々は、全スライディング画像(ZEUS)のためのゼロショット視覚言語セグメンテーションパイプラインを導入する。 ZEUSは、ギガピクセル全スライド画像に高解像度の腫瘍マスクを生成する。 2つの社内データセットで競合性能を示す。
  論文  参考訳（メタデータ） (2025-11-24T10:50:30Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• CGAM: Click-Guided Attention Module for Interactive Pathology Image Segmentation via Backpropagating Refinement [8.590026259176806]
  腫瘍領域のセグメンテーションは、デジタル病理の定量的解析に欠かせない課題である。 最近のディープニューラルネットワークは、様々な画像分割タスクで最先端のパフォーマンスを示している。 本稿では,クリック型ユーザインタラクションによるディープニューラルネットワークの出力を改良する対話的セグメンテーション手法を提案する。
  論文  参考訳（メタデータ） (2023-07-03T13:45:24Z)
• ARHNet: Adaptive Region Harmonization for Lesion-aware Augmentation to Improve Segmentation Performance [61.04246102067351]
  本研究では,合成画像をよりリアルに見せるために,前景調和フレームワーク(ARHNet)を提案する。 実画像と合成画像を用いたセグメンテーション性能の向上に本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-07-02T10:39:29Z)
• RLogist: Fast Observation Strategy on Whole-slide Images with Deep Reinforcement Learning [15.955265218706467]
  計算病理学における全スライディング画像(WSI)は、高解像度でギガピクセルサイズを持つが、一般的には少ない関心領域を持つ。 我々は,WSI 上での高速観測戦略のための深層強化学習 (DRL) 手法である RLogist を開発した。
  論文  参考訳（メタデータ） (2022-12-04T04:03:34Z)
• Reliable Joint Segmentation of Retinal Edema Lesions in OCT Images [55.83984261827332]
  本稿では,信頼性の高いマルチスケールウェーブレットエンハンストランスネットワークを提案する。 本研究では,ウェーブレット型特徴抽出器ネットワークとマルチスケール変圧器モジュールを統合したセグメンテーションバックボーンを開発した。 提案手法は,他の最先端セグメンテーション手法と比較して信頼性の高いセグメンテーション精度を実現する。
  論文  参考訳（メタデータ） (2022-12-01T07:32:56Z)
• 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)
• RetiFluidNet: A Self-Adaptive and Multi-Attention Deep Convolutional Network for Retinal OCT Fluid Segmentation [3.57686754209902]
  OCTガイド下治療には網膜液の定量化が必要である。 RetiFluidNetと呼ばれる新しい畳み込みニューラルアーキテクチャは、多クラス網膜流体セグメンテーションのために提案されている。 モデルは、テクスチャ、コンテキスト、エッジといった特徴の階層的な表現学習の恩恵を受ける。
  論文  参考訳（メタデータ） (2022-09-26T07:18:00Z)
• Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic Image and Feature Alignment for Medical Image Segmentation [73.84166499988443]
  我々は、Synergistic Image and Feature Alignment (SIFA)と名付けられた新しい教師なしドメイン適応フレームワークを提案する。 提案するSIFAは、画像と特徴の両方の観点から、ドメインの相乗的アライメントを行う。 2つの異なるタスクに対する実験結果から,SIFA法は未ラベル対象画像のセグメンテーション性能を向上させるのに有効であることが示された。
  論文  参考訳（メタデータ） (2020-02-06T13:49:47Z)

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。