論文の概要: Pathology Transport: Optimal-Transport Explanations for Clinical Data, and When Their Heatmaps (Fail to) Localize Disease

• arxiv url: http://arxiv.org/abs/2608.17370v1
• Date: Tue, 18 Aug 2026 04:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.221338
• Title: Pathology Transport: Optimal-Transport Explanations for Clinical Data, and When Their Heatmaps (Fail to) Localize Disease
• Title（参考訳）: 病原体輸送 : 臨床データと熱マップが病原体を局在させるとき
• Abstract要約: 2つの臨床分布で訓練された最適輸送整流流を構築した。 単一フローは、患者ごとの対物、教師なし悪性度スコア、ラベルフリー属性をもたらす。 胸部X線では,輸送熱マップは局所的な信号ではなく,集団レベルの信号であることを示す。
• 参考スコア（独自算出の注目度）: 0.9518285745183249
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative models promise a route to explainable clinical AI: rather than probe a classifier, model the distributions of healthy and diseased patients and read explanations off the geometry between them. We build such a system - an optimal-transport rectified flow trained between two clinical distributions - and use it to ask a pointed question the field too rarely tests: do the resulting explanation heatmaps actually localize disease? On tabular tumour biomarkers (Breast Cancer Wisconsin) a single flow yields per-patient counterfactuals, an unsupervised malignancy score (AUROC 0.91; 0.93 +/- 0.01 across five seeds), and a label-free attribution that agrees with a supervised classifier (r ~ 0.5) - a compact, honest interpretability engine, though it never out-predicts logistic regression. Moving to chest X-rays, we show the transport heatmap is a population-level signal, not a localiser; a reconstruction-based, identity-preserving variant does localize synthetic lesions (pointing game 0.52), yet on real RSNA radiologist boxes it collapses to chance while only supervised Grad-CAM stays above it. The central result is a synthetic-to-real gap: label-free heatmaps that look compelling on planted lesions are not evidence of real localisation. We contribute a reusable optimal-transport recipe for generative explanations and a controlled benchmark for stress-testing whether they localize.
• Abstract（参考訳）: ジェネレーティブモデルは、分類器を探索する代わりに、健康な患者と病気の患者の分布をモデル化し、それらの間の幾何学的な説明を読む。 このようなシステム - 2つの臨床分布間で訓練された最適なトランスポート整流フロー - を構築して、フィールドが検査されることはめったにない、という疑問に答えるために使用します。 タブ状腫瘍バイオマーカー (Breast Cancer Wisconsin) では、単一フローは患者ごとの対物、非教師付き悪性度スコア (AUROC 0.91; 0.93 +/- 0.01 across 5 seed) 、そして、教師付き分類器 (r ~ 0.5) と一致するラベルなし属性 (ラベルなし属性) は、コンパクトで正直な解釈可能性エンジンである。 胸部X線に移動すると、輸送熱マップは集団レベルの信号であり、ローカライザーではないことが示され、再構成に基づくアイデンティティ保存型は、合成病変を局在させる(ポインティングゲーム 0.52)が、実際のRSNAラジオロジカルボックスでは、監督されたGrad-CAMだけがその上にとどまる一方、偶然に崩壊する。 ラベルのない熱マップは、植えられた病変に対して魅力的に見えるが、実際の局在の証拠ではない。 我々は, 生成的説明のための再利用可能な最適輸送レシピと, 局所化するか否かのストレステストのための制御されたベンチマークに貢献する。

関連論文リスト

• MORPHA: Morphology-Constrained Training and the Limits of Cross-Acquisition Transfer in Low-Resource Malaria Microscopy [0.0]
  形態的整合性制約であるMORPHAを提案する。 薄いスミア細胞から厚いスミアフィールドイメージへの転移では、この制約によりバイナリ分類の一般化が30.8%減少する。 薄いスミア統計は厚いスミア検出に移行せず、クロスアセプションの擬似ラベリングはフィルタ適用前に失敗する。
  論文  参考訳（メタデータ） (2026-09-05T09:19:44Z)
• Attention Without Grounding: Causal Evaluation of Visual Explanations in Medical VLMs [2.064612766965483]
  胸部X線におけるVLM(Vision-Language Model)の出力を説明するために,注意とサリエンシのヒートマップが広く用いられている。 PadChestの放射線学的バウンディングボックスと重なり合うことで,忠実さを検査する。 LLaVA-RADとQwen3-VL-8B-InstructとCheXagent-2-3bの3種類のMedGemma-4B変異体について検討した。
  論文  参考訳（メタデータ） (2026-07-20T23:19:28Z)
• Semiparametric Efficient Test for Interpretable Distributional Treatment Effects [22.387735135790702]
  カーネルテストは介入結果法則の相違を検出することができるが、グローバルテストは法の相違点を明らかにしない。 本稿では, DR-ME法を応用し, 最初の半原理的に効率的な有限配置法を提案する。
  論文  参考訳（メタデータ） (2026-05-08T17:23:34Z)
• FlatASCEND: Autoregressive Clinical Sequence Generation with Continuous Time Prediction and Association-Based Pharmacological Testing [1.7865154997539017]
  平坦な複合トークンを用いた14.5Mパラメータ自己回帰臨床シーケンスモデルであるFlatASCENDと、ゼロインフレーションされた対数正規時間ヘッドを提案する。 プロンプトシャッフルアブレーションは、患者固有の条件付けが機械的薬理学的効果を増幅することを示している。 生成的証拠は短水平ICUデータにとって最強であり、外来患者の時間的忠実度は弱くなっている。
  論文  参考訳（メタデータ） (2026-04-13T11:43:51Z)
• Maximizing T2-Only Prostate Cancer Localization from Expected Diffusion Weighted Imaging [68.57480103120561]
  マルチパラメトリックMRIは前立腺癌の検出と局所化のための第一線非侵襲的アプローチとしてますます推奨されている。 T2w画像のみを用いた早期機械学習の試みは、放射線医に注釈された病変の診断に有望な性能を示した。 本研究は、T2wのみを推論に用いて、独立した病理組織学的ラベルに基づいて個々のがんを局在させる、より難しい応用について検討する。
  論文  参考訳（メタデータ） (2026-04-01T14:50:18Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• PUNCH: Physics-informed Uncertainty-aware Network for Coronary Hemodynamics [8.812266680285369]
  標準血管造影から冠血流量を直接推定するための非診断・不確実性認識フレームワークを提案する。 このシステムは、コントラスト輸送の第一原理モデルから冠血流を推定するために、物理インフォームドニューラルネットワークと変分推論を統合している。 パイプラインは、患者1人あたり約3分で、1つのGPU上で動作し、人口レベルのトレーニングは行わない。
  論文  参考訳（メタデータ） (2026-01-23T21:47:23Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• Departures: Distributional Transport for Single-Cell Perturbation Prediction with Neural Schrödinger Bridges [51.83259180910313]
  遺伝子機能解析における大きなボトルネックは、単細胞データの未成熟の性質である。 我々は、SB(Schrdinger Bridge)を近似して、単セル摂動データに対処する。 本モデルは,異種単一セル応答を効果的に捉え,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-11-17T08:27:13Z)
• A Benchmark for Weakly Semi-Supervised Abnormality Localization in Chest X-Rays [42.1336336144291]
  本稿では,弱い半教師付き戦略であるPoint Beyond Classを用いて,CXR異常局所化フレームワークを訓練することを提案する。 PBCの背後にある中核的な考え方は、ポイントアノテーションからバウンディングボックスへの堅牢で正確なマッピングを学ぶことです。 RSNAとVinDr-CXRデータセットの実験結果は,提案手法の有効性を正当化するものである。
  論文  参考訳（メタデータ） (2022-09-05T14:36:07Z)
• Radiomics-Guided Global-Local Transformer for Weakly Supervised Pathology Localization in Chest X-Rays [65.88435151891369]
  Radiomics-Guided Transformer (RGT)は、テキストトグロバル画像情報と、テキストトグロバル情報とを融合する。 RGTは、画像トランスフォーマーブランチ、放射能トランスフォーマーブランチ、および画像と放射線情報を集約する融合層から構成される。
  論文  参考訳（メタデータ） (2022-07-10T06:32:56Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。