論文の概要: Towards Reliable AI-Based Histological Staining: A Systematic Study of Scaling and Uncertainty in Unpaired Generative Models
- arxiv url: http://arxiv.org/abs/2608.24626v1
- Date: Tue, 25 Aug 2026 14:41:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:35.029975
- Title: Towards Reliable AI-Based Histological Staining: A Systematic Study of Scaling and Uncertainty in Unpaired Generative Models
- Title（参考訳）: 信頼性の高いAIに基づく組織染色に向けて--無障害世代モデルにおけるスケーリングと不確かさの体系的研究
- Abstract要約: 慢性肝疾患の長期予後の予測因子である肝線維症は,コラーゲン含量の組織学的検討から報告されている。
ヘマトキシリンとエオシン(H&E)染色は標準的な定量読み出し(コラーゲン領域、CPA)を生成するが、すべての臨床センターで取得されるわけではない。
AIベースの仮想染色は、H&Eから直接SRを生成することができるが、教師なしモデルの体系的なベンチマークは少ない。
我々は、新しくリリースされたH&EとSRマウスの肝データセット上の54のスケーリング構成に対して、6つの教師なしイメージ・ツー・イメージ・アーキテクチャ(GANおよび拡散ベース)をベンチマークした。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Liver fibrosis, the principal predictor of long-term outcome in chronic liver disease, is staged from histological estimates of collagen content. Sirius Red (SR) provides the standard quantitative readout (collagen proportionate area, CPA) but is not acquired at every clinical centre and consumes tissue, time, and reagent cost beyond the routine Hematoxylin and eosin (H&E) stain. AI-based virtual staining can generate SR directly from H&E, yet systematic benchmarks of unsupervised models are scarce and their predictive uncertainty has not been quantified, even though visually plausible outputs may not faithfully reproduce the underlying tissue structure. We therefore benchmark six unsupervised image-to-image architectures (GAN-based and diffusion-based) across 54 scaling configurations on a newly released paired H&E to SR mouse liver dataset, the first open resource for this translation task. Each configuration is evaluated jointly on perceptual, distributional, and task-specific axes plus a blinded expert reader study; the best per family is then retrained as a deep ensemble, the first systematic comparison of epistemic uncertainty across unsupervised stain-to-stain architectures. Across families, perceptual quality, task-specific error, and ensemble agreement measure largely independent axes of model fitness: GAN-based methods cluster tightly on perceptual metrics yet differ substantially on task error and ensemble agreement, while the diffusion-based method (CycleDiffusion) is qualitatively different on all three. No single metric captures these differences, so reliable virtual staining requires reporting and selecting on all three jointly. The dataset, tiling pipeline, models, and evaluation code are released publicly.
- Abstract（参考訳）: 慢性肝疾患の長期予後の予測因子である肝線維症は,コラーゲン含量の組織学的検討から報告されている。
シリウス・レッド(SR)は、標準的な量的読み出し(コラーゲン比例領域、CPA)を提供するが、すべての臨床センターで取得されず、通常のヘマトキシリンおよびエオシン(H&E)染色を超える組織、時間、試薬コストを消費する。
AIベースの仮想染色は、H&Eから直接SRを生成することができるが、教師なしモデルの体系的なベンチマークは乏しく、その予測の不確実性は定量化されていない。
そこで我々は、新たにリリースされたH&EとSRマウスの肝臓データセットの54のスケーリング構成に対して、6つの教師なしイメージ・ツー・イメージ・アーキテクチャ(GANおよび拡散ベース)をベンチマークした。
それぞれの構成は、知覚的、分布的、タスク固有の軸と、盲目の専門家読者の研究に基づいて共同で評価され、家族ごとのベストは深層アンサンブルとして再訓練される。
GANベースのメソッドは、知覚的メトリクスをしっかりとクラスタリングするが、タスクエラーとアンサンブル合意にはかなり異なるが、拡散に基づく手法(CycleDiffusion)は3つすべてで定性的に異なる。
これらの違いを捉える指標は存在しないため、信頼できる仮想染色は3つ全てを共同で報告し、選択する必要がある。
データセット、ティアリングパイプライン、モデル、評価コードなどが公開されている。
関連論文リスト
- Beyond Counts: A Distributional Robustness Margin For Pathology Foundation Models [3.654533421083683]
ロバストネス指数(RI)は、局所的な表現幾何学が生物学や非生物学的変異によって支配されているかどうかを定量化する。
距離重み付けは、RIのプール型固定近傍設計に深く制限されているため、ほとんど変化しないことを示す。
我々は、クロス・コンファウンデーション・バイオ・マッチとクロス・コンファウンデーション・バイオ・イントラクタとを直接比較するサンプル解決尺度であるクロス・コンファウンデーション・ロバストネス・マージン(CRoMa)を紹介した。
論文 参考訳（メタデータ） (2026-07-28T09:34:30Z) - DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。
DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。
実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
論文 参考訳（メタデータ） (2026-07-15T10:27:52Z) - Modeling Normal Is All You Need: Joint Latent Clustering for Anomaly Detection in Multimodal Cyber-Physical Systems [47.027290803102666]
通常の行動は、多くの不均衡で、曲がりくねった、細い範囲の運営体制の結合である。
我々は正規法則を、共同学習された潜在表現と明示的なガウス混合モードクラスタリングでモデル化する。
ポイント調整のない生のポイントワイドメトリクス、自明な検出困難分割、頻度整合F1、列車正規化のみのキャリブレーションを意図的に評価する。
論文 参考訳（メタデータ） (2026-07-07T10:10:00Z) - HAPS: Rethinking Image Similarity for Virtual Staining [0.29667378226016866]
Histology-Aware Perceptual similarity (HAPS) が開発された。
Histology-Aware Perceptual similarity (HAPS) が開発された。
論文 参考訳（メタデータ） (2026-05-19T18:15:34Z) - Training-inference input alignment outweighs framework choice in longitudinal retinal image prediction [3.0602131532925436]
近年の手法は, 生成複雑性の増大に向かっているが, この複雑さが要求される条件はいまだ不明である。
生成複雑性は予測可能なタスクの条件付き後続成分のエントロピーと一致し,全てのレシスタンスでトレーニング・推論入力アライメントが要求される。
我々は,この枠組みを5つの構成を対比して,立方体自己蛍光データセット上で検証した。
論文 参考訳（メタデータ） (2026-04-18T10:28:00Z) - Delving Aleatoric Uncertainty in Medical Image Segmentation via Vision Foundation Models [56.29123284262618]
本研究は,視覚基盤モデルの普遍的表現能力を生かして固有データ不確実性を推定することを提案する。
モデルのデコード表現の特徴の多様性を分析し,その特異値エネルギーを定量化し,各クラスに対する意味知覚尺度を定義する。
この基礎に基づいて,本研究は,(1)潜在的にノイズの多いサンプルを排除し,モデル学習品質を向上させるためのアレータリック不確実性認識データフィルタリング機構,(2)意味認識尺度に基づくトレーニング中にクラス固有の損失重みを適応的に調整する動的不確実性認識最適化戦略,およびトレーニング安定性を向上させるラベル認知機構の2つの不確実性駆動型アプリケーション戦略を設計する。
論文 参考訳（メタデータ） (2026-04-13T03:59:54Z) - ODySSeI: An Open-Source End-to-End Framework for Automated Detection, Segmentation, and Severity Estimation of Lesions in Invasive Coronary Angiography Images [23.05175906366438]
Invasive Coronary Angiography (ICA) は冠動脈疾患の診断における臨床標準である。
本研究では,ICA画像の自動検出,病変,重症度推定のためのオープンソースフレームワークODySSeIを紹介する。
ODySSeIは、新しいピラミッド拡張スキーム(PAS)を用いて訓練された深層学習に基づく病変検出と病変分割モデルを統合する
我々のLSE技術は,MLDの予測値が,対応する基底真理からpm$2-3ピクセルしか差がないため,精度が高い。
論文 参考訳（メタデータ） (2026-03-20T15:07:15Z) - AgriPath: A Systematic Exploration of Architectural Trade-offs for Crop Disease Classification [45.52399819498234]
本研究は、細粒度作物病分類のための3つのモデルパラダイムの体系的比較を示す。
我々は16の作物と41の病気にまたがる111kの画像を含むベンチマークであるAgriPath-LF16を紹介する。
CNNは画像の精度が最も高いが、ドメインシフトによって劣化する。
対照的なVLMは、競合するクロスドメイン性能を持つ堅牢でパラメータ効率の良い代替手段を提供する。
論文 参考訳（メタデータ） (2026-03-08T17:28:01Z) - Detecting Unobserved Confounders: A Kernelized Regression Approach [46.52607207396279]
Kernel Regression Confounder Detection (KRCD) は、単一環境下での非線形観測データにおける観測不能なコンバウンディングを検出する新しい方法である。
ゼロからの有意な偏差が観測不能な共起を示すテスト統計学。
合成ベンチマークとツインズデータセットの実験は、KRCDが既存のベースラインを上回るだけでなく、計算効率も優れていることを示した。
論文 参考訳（メタデータ） (2026-01-01T04:26:02Z) - From Pixels to Pathology: Restoration Diffusion for Diagnostic-Consistent Virtual IHC [37.284994932355865]
本稿では,仮想染色を画像復元タスクとして再構成する構造対応染色復元拡散モデルであるStar-Diffを紹介する。
残留物とノイズに基づく生成経路を組み合わせることで、スターディフは現実的なバイオマーカーの変動をモデル化しながら組織構造を維持する。
BCIデータセットの実験は、Star-Diffが視覚的忠実度と診断関連性の両方で最先端(SOTA)のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2025-08-04T15:36:58Z) - Uncertain Facial Expression Recognition via Multi-task Assisted
Correction [43.02119884581332]
MTACと呼ばれる不確実な表情認識に対処するためのマルチタスク支援補正法を提案する。
具体的には、信頼度推定ブロックと重み付け正則化モジュールを用いて、固体試料をハイライトし、バッチ毎に不確かさサンプルを抑圧する。
RAF-DB、AffectNet、AffWild2データセットの実験は、MTACが合成および実際の不確実性に直面した際のベースラインよりも大幅に改善されていることを示した。
論文 参考訳（メタデータ） (2022-12-14T10:28:08Z)
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。