論文の概要: CellPath-Bench: A Multidimensional Benchmark for Whole-Slide Cellular Representations in Pathology Foundation Models
- arxiv url: http://arxiv.org/abs/2608.21060v1
- Date: Fri, 21 Aug 2026 13:03:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.548381
- Title: CellPath-Bench: A Multidimensional Benchmark for Whole-Slide Cellular Representations in Pathology Foundation Models
- Title（参考訳）: CellPath-Bench:病理基盤モデルにおける全スライディングセル表現の多次元ベンチマーク
- Authors: Bokai Zhao, Yiyang Zhang, Hanqing Chao, Yawei Ma, Long Bai, Tai Ma, Minfeng Xu, Ming Song, Tianzi Jiang,
- Abstract要約: セルパスベンチ (CellPath-Bench) はセル分解能のベンチマークであり, 凍結したPFMを自身で評価する。
11の臓器と7,079,283の細胞にまたがる25の空間的に整列したH&E-Xenium組織断面からなるパネルを構築し,粒度と粗さの表現に調和させた。
我々は,304,920件の病的・汎用基盤モデルを,空間的読み出し,拡大,分類学的粒度,評価プロトコルにわたってベンチマークした。
- 参考スコア（独自算出の注目度）: 12.450466280086184
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pathology foundation models (PFMs) are increasingly used as general-purpose backbones, yet existing benchmarks cannot systematically diagnose their whole-slide cellular representation capabilities, including the decodability of cell-type information and the transferability of such information across tissue sections, datasets, and anatomical organs. We introduce CellPath-Bench, a cellular-resolution benchmark that evaluates frozen PFMs themselves. Following quality control of 52 candidate Xenium datasets, we construct a panel of 25 spatially aligned H\&E--Xenium tissue sections spanning 11 organs and 7,079,283 cells, harmonized into fine- and coarse-grained taxonomies. CellPath-Bench samples frozen WSI feature maps at registered nuclear coordinates and evaluates them using standardized multiclass linear probes. Cell Representation Advantage (CRA) measures the within-section advantage of nucleus-anchored representations over patch-level mean pooling, while Cell Representation Transferability (CRT) characterizes the generalization of cell-type decodability across tissue sections, datasets, and organs. We benchmark 30 pathology-specific and general-purpose foundation models through 304,920 runs across spatial readouts, magnifications, taxonomic granularities, and evaluation protocols. The results reveal substantial model-dependent differences in cell-type decodability and its cross-domain generalization, yielding distinct multidimensional capability profiles. CellPath-Bench provides a standardized framework for auditing cellular information in frozen PFM representations.
- Abstract（参考訳）: 病理基盤モデル(PFM)は、汎用的なバックボーンとして使われることが多いが、既存のベンチマークでは、細胞型情報の陰性性や、組織セクション、データセット、解剖学的臓器間でのそれらの情報の転送性など、その細胞全体の表現能力を体系的に診断することはできない。
セルパスベンチ (CellPath-Bench) はセル分解能のベンチマークであり, 凍結したPFMを自身で評価する。
52の候補Xeniumデータセットの品質管理に続いて,11の臓器と7,079,283の細胞からなる25の空間的配位H\&E-Xenium組織断面からなるパネルを構築した。
CellPath-Benchは、登録された原子核座標における凍結されたWSIの特徴マップをサンプリングし、標準化されたマルチクラス線形プローブを用いて評価する。
CRA(Cell Representation Advantage)は、パッチレベルの平均プールよりも、核アンコールド表現の内側の利点を計測し、CRT(Cell Representation Transferability)は、組織セクション、データセット、臓器にまたがる細胞型陰性性の一般化を特徴付ける。
我々は,304,920件の病的・汎用基盤モデルを,空間的読み出し,拡大,分類学的粒度,評価プロトコルにわたってベンチマークした。
その結果, 細胞型脱酸性とそのドメイン間一般化のモデル依存的な相違が明らかとなり, 異なる多次元機能プロファイルが得られた。
CellPath-Bench は凍結した PFM 表現で細胞情報を監査するための標準化されたフレームワークを提供する。
関連論文リスト
- CellDETR: A Detection-Guided Framework for Scalable Cell Representation Learning from Histopathology Images [1.0889596738456337]
本稿では,WSIからのスケーラブルなセル表現学習のためのDeformable DETR上に構築した検出誘導フレームワークを提案する。
位置特徴デカップリングとボックス拘束型アテンション機構を導入することで、セルDETRはセルレベルの埋め込みを自動的に抽出することができる。
対照的な学習設計を取り入れることで、ラベルのないWSIからスケーラブルなセル表現学習のためのCellDETRベースの事前学習モデルを構築する。
論文 参考訳（メタデータ） (2026-06-28T15:39:44Z) - CAPSUL: A Comprehensive Human Protein Benchmark for Subcellular Localization [50.559485139565076]
我々は, 多様な3次元構造表現と微細な細胞内局在アノテーションを統合するデータセットである $mathbfCAPSUL$ という新しいベンチマークを導入する。
このベンチマークは、様々な最先端のシーケンスベースモデルと構造ベースモデルを用いて評価し、この課題に構造的特徴を関与させることの重要性を示す。
最後に,Golgi 装置のケーススタディを通じて,構造に基づく手法の強力な解釈可能性を示す。
論文 参考訳（メタデータ） (2026-03-19T07:33:04Z) - ITC-RWKV: Interactive Tissue-Cell Modeling with Recurrent Key-Value Aggregation for Histopathological Subtyping [2.99938892718088]
本稿では,マクロ組織の特徴と集合細胞表現との相互作用をモデル化したデュアルストリームアーキテクチャを提案する。
組織と細胞間の双方向の相互作用モジュールを導入し, 局所的な細胞キューと周囲の組織環境の相互の注意を喚起する。
論文 参考訳（メタデータ） (2025-10-24T14:03:52Z) - OCELOT 2023: Cell Detection from Cell-Tissue Interaction Challenge [18.567918724777517]
OCELOT 2023チャレンジは、細胞と組織間の相互作用を理解することが人間レベルのパフォーマンスを達成するために重要であるという仮説を検証するために、コミュニティから洞察を集めるために開始された。
参加者は、細胞-組織間の関係の理解を著しく向上させるモデルを提示した。
本稿では,OCELOT 2023チャレンジで実施された革新的な戦略について,参加者が使用する手法の比較分析を行った。
論文 参考訳（メタデータ） (2025-09-11T05:21:02Z) - CellPainTR: Generalizable Representation Learning for Cross-Dataset Cell Painting Analysis [51.56484100374058]
本稿では,細胞形態の基本的な表現を学習するためのトランスフォーマーベースのアーキテクチャであるCellPainTRを紹介する。
私たちの研究は、画像ベースのプロファイリングのための真の基盤モデルを作成するための重要なステップであり、より信頼性が高くスケーラブルなクロススタディ生物学的分析を可能にします。
論文 参考訳（メタデータ） (2025-09-02T03:30:07Z) - 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) - UniCell: Universal Cell Nucleus Classification via Prompt Learning [76.11864242047074]
ユニバーサル細胞核分類フレームワーク(UniCell)を提案する。
異なるデータセットドメインから対応する病理画像のカテゴリを均一に予測するために、新しいプロンプト学習機構を採用している。
特に,本フレームワークでは,原子核検出と分類のためのエンドツーエンドアーキテクチャを採用し,フレキシブルな予測ヘッドを用いて様々なデータセットを適応する。
論文 参考訳（メタデータ） (2024-02-20T11:50:27Z) - Prompt-based Grouping Transformer for Nucleus Detection and
Classification [70.55961378096116]
核の検出と分類は、疾患の診断に有効な情報を生み出す。
既存のほとんどの手法は、核を独立に分類するか、核とそのグループの特徴の間の意味的類似性を十分に利用しない。
グループ変換器をベースとした新しいエンドツーエンドの原子核検出・分類フレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-22T04:50:48Z) - Topology-Guided Multi-Class Cell Context Generation for Digital
Pathology [28.43244574309888]
空間統計学とトポロジカルデータ解析の数学的ツールをいくつか紹介する。
高品質なマルチクラスセルレイアウトを初めて生成する。
トポロジに富んだセルレイアウトは,データ拡張やセル分類などの下流タスクの性能向上に有効であることを示す。
論文 参考訳（メタデータ） (2023-04-05T07:01:34Z) - OCELOT: Overlapped Cell on Tissue Dataset for Histopathology [13.691924123273004]
組織学における細胞検出のための細胞間関係研究のためのデータセットであるOCELOTをリリースする。
細胞と組織の両方のタスクを同時に学習できるマルチタスク学習手法を提案する。
特にOCELOTテストセットでは、F1スコアが最大6.79改善されている。
論文 参考訳（メタデータ） (2023-03-23T08:57:11Z)
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。