論文の概要: Through the Schrödinger Bridge: Benchmarking Antemortem Image Restoration from Postmortem Autolysis to Enhance Forensic Diagnostics

• arxiv url: http://arxiv.org/abs/2608.21813v1
• Date: Sat, 22 Aug 2026 07:18:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.92777
• Title: Through the Schrödinger Bridge: Benchmarking Antemortem Image Restoration from Postmortem Autolysis to Enhance Forensic Diagnostics
• Title（参考訳）: Schrödinger Bridgeを通して: 死後のオートリシスから法医学的診断へのアンテテンテム画像復元のベンチマーク
• Abstract要約: 新しい課題として,法医学的病理組織学的自己解離回復を定式化する。 障害のない監督下では、重度自己分析で死後像を診断的に有意なアンテアテム表現に変換する。 我々は、標本を隣接する組織ブロックに分割して構築した、この問題を解決するための最初の未完成データセットであるAutoPathに貢献する。
• 参考スコア（独自算出の注目度）: 11.418414853611104
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Forensic histopathology, essential for determining cause of death and disease diagnosis, is severely impeded by postmortem autolysis, i.e., an irreversible, stochastic degradation process that distorts tissue morphology and introduces diagnostic subjectivity, thereby underscoring the value of restoring autolyzed images to a diagnostically plausible, pre-autolysis state for improving objectivity in forensic practice. This restoration task is fundamentally challenging due to the large, non-deterministic morphological changes caused by autolysis and the infeasibility of pixel-wise paired data, which invalidates assumptions underlying supervised and cycle/structure-consistent unpaired translation methods. To address this, we formalize forensic histopathology autolysis restoration as a new task: under unpaired supervision, transform postmortem images with severe autolysis into diagnostically meaningful ``antemortem'' representations. We contribute AutoPath, the first homologous yet unpaired dataset for this problem, constructed by splitting specimens into adjacent tissue blocks---one processed immediately, the other exposed to induce autolysis---yielding nearly ten thousand $10\times$ patches from 69 cases with varying liver conditions. We further frame the problem as a Schrödinger Bridge between the autolyzed and non-autolyzed distributions, offering a principled approach to modeling stochastic, severe morphological degradation. Critically, we demonstrate the misalignment of generic image-level generative metrics (e.g., FID) with diagnostic utility and propose a forensically grounded, slide-level diagnostic distribution consistency evaluation. Overall, this work establishes a reproducible benchmark (encompassing task definition, a real-world dataset, and an evaluation methodology) toward rigorous and practically meaningful progress in autolysis restoration for forensic pathology.
• Abstract（参考訳）: 死亡原因や疾患の診断に必須の法医学的病理学は、組織形態を歪曲し、診断主観性を導入する不可逆的、確率的劣化過程、すなわち、法医学的実践において客観性を改善するために診断学的に妥当で自己分析前の状態に、自己解析画像を復元する価値を過小評価する。 この復元作業は、自動分解による大規模で非決定論的形態変化と、教師付きおよびサイクル/構造整合性の未ペア変換法に基づく仮定を無効化する画素ワイドペアデータの実現性により、基本的に困難である。 そこで,本研究では,無傷の監督下で,重篤な自己解離を伴う死後のイメージを,診断学的に意味のある「アントレモテム」表現に変換するという新たな課題として,法医学的病理組織学的自己解離回復を定式化した。 我々は,この問題に対する最初のホモログであるAutoPathを,標本を隣接する組織ブロックに分割して構築した。1つは即処理し,もう1つは自己透析を誘発する。 我々はさらに、この問題を、自己解析された分布と非自動解析された分布の間のシュレーディンガー橋(Schrödinger Bridge)として表し、確率的、厳しい形態的劣化をモデル化するための原則的なアプローチを提供する。 批判的に,一般的な画像レベルの生成指標(例えば,FID)と診断ユーティリティとの相違を実証し,法的な根拠に基づく,スライドレベルの診断分布の整合性評価を提案する。 全体として、この研究は、法医学的病理学のための自己分析修復の厳密で実用的な進歩に向けた再現可能なベンチマーク(タスク定義、実世界のデータセット、評価方法論)を確立する。

関連論文リスト

• Reconstruction-Shift Discrimination via Mask-Guided Latent Diffusion for Medical Anomaly Detection [58.92871907037662]
  教師なしの医学的異常検出は、正常な訓練画像から正常な解剖パターンを学習し、テスト時の偏差を識別する。 再構成に基づく拡散に基づく手法は、通常、入力画像とその再構成の違いを異常な証拠として利用する。 本研究は,残差に基づく局所化と再構成-シフト判別を補完する医用異常検出フレームワークであるDMDを提案する。
  論文  参考訳（メタデータ） (2026-08-01T04:56:39Z)
• Anatomy-Aware Unsupervised Detection and Localization of Retinal Abnormalities in Optical Coherence Tomography [4.828654519487229]
  教師なしの異常検出フレームワークは、病変のアノテーションなしで正常な網膜解剖の規範的な分布を学習する。 網膜層を意識した3重項学習と構造的三重項学習を併用し,病的表現と健康的表現を分離する。 Kermany データセット (AUROC: 0.799) では,VAE, VQVAE, VQGAN, f-AnoGAN ベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-04-24T01:09:05Z)
• Causal-Transformer with Adaptive Mutation-Locking for Early Prediction of Acute Kidney Injury [24.453881669473137]
  既存のディープラーニングモデルは、不規則にサンプリングされたデータを扱う。 本稿では,連続時間モデリングをCausal-Transformerと統合したCT-Formerを提案する。 我々はCT-Formerが最先端のベースラインを大きく上回ることを示す。
  論文  参考訳（メタデータ） (2026-04-22T07:08:25Z)
• Forensic Histopathological Recognition via a Context-Aware MIL Network Powered by Self-Supervised Contrastive Learning [16.81923407738405]
  法医学的病理学を支援するAIベースの計算病理学手法の開発は、事実上有意義である。 本稿では,FPathというフレームワークを提案する。このフレームワークでは,自己監督型コントラスト学習戦略とコンテキスト認識型マルチインスタンス学習ブロックを設計する。 大規模なデータベースには、実験用ラットの死後画像19,607ドル(約1万3000円)、実世界の人間の十進画像3378ドル(約3万3000円)があり、FPathは最先端の精度とクロスドメインの一般化に繋がった。
  論文  参考訳（メタデータ） (2023-08-27T07:47:38Z)
• Semantic Latent Space Regression of Diffusion Autoencoders for Vertebral Fracture Grading [72.45699658852304]
  本稿では,教師なし特徴抽出器として生成拡散オートエンコーダモデルを訓練するための新しい手法を提案する。 フラクチャーグレーディングを連続回帰としてモデル化し, フラクチャーのスムーズな進行を反映した。 重要なことに,本手法の創成特性は,与えられた脊椎の様々な段階を可視化し,自動グルーピングに寄与する特徴を解釈し,洞察することを可能にする。
  論文  参考訳（メタデータ） (2023-03-21T17:16:01Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Automated SSIM Regression for Detection and Quantification of Motion Artefacts in Brain MR Images [54.739076152240024]
  磁気共鳴脳画像における運動アーチファクトは重要な問題である。 MR画像の画質評価は,臨床診断に先立って基本的である。 構造類似度指数(SSIM)回帰に基づく自動画像品質評価法が提案されている。
  論文  参考訳（メタデータ） (2022-06-14T10:16:54Z)
• AutoSeg -- Steering the Inductive Biases for Automatic Pathology Segmentation [7.49320945341034]
  AutoSegは、現実世界の病態に類似した多様な人工的な異常を生成する。 本研究では,2021年の医学的アウト・オブ・ディストリビューション・アナリティクス・チャレンジにおいて,本手法を実験的に評価した。
  論文  参考訳（メタデータ） (2022-01-24T10:44:04Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• An Interpretable Approach to Automated Severity Scoring in Pelvic Trauma [3.762671763237911]
  骨盤輪の破壊は鈍的外傷機構によって引き起こされ、多系統外傷患者にしばしば見られる。 全身CTによる骨盤骨折の重症度評価にはTile AO/OTA分類が多用されている。 本稿では, 骨盤外傷の自動診断支援システムについて紹介する。
  論文  参考訳（メタデータ） (2021-05-21T09:52:33Z)
• 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)
• Multi-label Thoracic Disease Image Classification with Cross-Attention Networks [65.37531731899837]
  胸部X線画像から胸部疾患を自動分類するためのCAN(Cross-Attention Networks)を提案する。 また,クロスエントロピー損失を超える新たな損失関数を設計し,クラス間の不均衡を克服する。
  論文  参考訳（メタデータ） (2020-07-21T14:37:00Z)

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。