論文の概要: Semantic-Aware Subgraph State Space Model for WSI Classification in Histopathology

• arxiv url: http://arxiv.org/abs/2609.03689v1
• Date: Thu, 03 Sep 2026 11:26:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.039994
• Title: Semantic-Aware Subgraph State Space Model for WSI Classification in Histopathology
• Title（参考訳）: 病理組織学におけるWSI分類のための意味認識サブグラフ状態空間モデル
• Abstract要約: スライド画像全体(WSI)分類のためのセマンティック・アウェア・サブグラフ状態空間モデル(SASG-SSM)を提案する。 SASG-SSMは、空間的に連結されたパッチを適応的にグループ化することで不規則な形状のセマンティックユニットを近似する。 このモジュールは、セマンティックユニット内のローカルな構造情報と、その分布と共起から生じるグローバルなコンテキスト情報を統合する。
• 参考スコア（独自算出の注目度）: 10.122580025041303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Histopathological subtyping relies on the recognition of characteristic histological patterns. These patterns may be expressed by individual tissue structures or by the spatial distribution and co-occurrence of multiple structures, and they often span irregularly shaped tissue regions, termed semantic units in this work. However, conventional patch-based representations may fragment such units and fail to explicitly preserve their internal spatial organization, while efficiently modeling relationships among numerous spatially separated units remains challenging. To address these limitations, we propose the Semantic-Aware Subgraph State Space Model (SASG-SSM), a flexible and efficient framework for whole slide image (WSI) classification. Semantic-Aware Subgraphs (SASGs) first approximate irregularly shaped semantic units by adaptively grouping spatially connected patches guided by class-agnostic visual-semantic priors. By representing patches as graph nodes with adjacency edges, SASGs preserve their internal spatial organization rather than treating them as an unordered set. A Subgraph State Space Module (SG-SSM) subsequently combines a graph neural network encoder for intra-subgraph topology encoding with a Mamba-based state space encoder for efficient contextualization across large numbers of subgraphs. This module integrates local structural information within semantic units with global contextual information arising from their distribution and co-occurrence across the WSI, while efficiently modeling a large number of spatially distributed regions. Extensive experiments across four WSI subtyping datasets demonstrate consistent advantages over representative state-of-the-art methods. Further evaluations under small-cohort and few-shot settings demonstrate robustness and data efficiency under limited training data. Code will be released at https://github.com/HLSvois/SASG-SSM.
• Abstract（参考訳）: 組織学的サブタイピングは、特徴的組織学的パターンの認識に依存している。 これらのパターンは、個々の組織構造または複数の構造の空間分布と共起によって表現され、しばしば、この研究で意味単位と呼ばれる不規則な形の組織領域にまたがる。 しかし、従来のパッチベースの表現はそのようなユニットを断片化し、内部の空間的構造を明示的に保持することができないが、多くの空間的に分離されたユニット間の関係を効率的にモデル化することは困難である。 これらの制約に対処するために、スライド画像全体(WSI)分類のためのフレキシブルで効率的なフレームワークであるセマンティック・アウェア・サブグラフ状態空間モデル(SASG-SSM)を提案する。 セマンティック・アウェア・サブグラフ (SASG) は、まず、クラス非依存の視覚的セマンティック先行によって導かれる空間的に連結されたパッチを適応的にグループ化することによって、不規則に形づくられたセマンティック単位に近似する。 パッチを隣接エッジを持つグラフノードとして表現することで、SASGはそれらを非順序集合として扱うのではなく、内部空間構造を保存する。 Subgraph State Space Module (SG-SSM)はその後、グラフニューラルネットワークエンコーダとMambaベースのステートスペースエンコーダを組み合わせて、多数のサブグラフをまたいだ効率的なコンテキスト化を行う。 このモジュールは、意味単位内の局所構造情報と、その分布とWSI全体の共起から生じる大域的文脈情報を統合するとともに、多数の空間分布領域を効率的にモデル化する。 4つのWSIサブタイプデータセットにわたる大規模な実験は、最先端の代表的な手法よりも一貫した優位性を示している。 より小さなコホートと少数ショット設定下でのさらなる評価は、限られたトレーニングデータの下での堅牢性とデータ効率を示す。 コードはhttps://github.com/HLSvois/SASG-SSMでリリースされる。

関連論文リスト

• SSC-Priors: Exploring Semantic and Visibility Priors to Boost Lidar Semantic Scene Completion [61.665449818739155]
  本稿では,ライダー・セマンティック・シーン・コンプリート(SSC)のための既存ネットワークの性能向上戦略について検討する。 我々は、既存のアプローチを改善するために、意味的な擬似ラベルとセンサ可視情報を使用する。 そこで本研究では,既成のSSCモデルの性能を著しく向上させ,意味的な擬似ラベルを用いた入力点雲の実現について述べる。
  論文  参考訳（メタデータ） (2026-09-15T16:37:46Z)
• Benchmarking Pathology Foundation Models for Spatial Domain Understanding [12.450466280086184]
  本稿では,PFMにおける空間表現能力の診断を目的とした表現レベルベンチマークであるSpaPath-Benchを提案する。 SpaPath-Benchは、一対のスライド画像と空間転写学(ST)データを診断タスクとして空間領域同定する。 42の公開WSIおよびSTスライドをキュレートし、19のエンコーダと7つのSDIメソッドにわたる大規模な評価を可能にし、3つの相補的な基準を用いて分割品質を測定する。
  論文  参考訳（メタデータ） (2026-05-25T12:18:32Z)
• Geometry-Aware State Space Model: A New Paradigm for Whole-Slide Image Representation [8.483387656208363]
  全スライド画像(WSI)は、組織標本をギガピクセル解像度でデジタル化する。 現在の方法では、パッチ表現を同質ユークリッド空間に暗黙的に埋め込む。 双対幾何学空間にWSI特徴を埋め込むハイブリッド双曲型ユークリッド表現を導入する。
  論文  参考訳（メタデータ） (2026-05-06T17:33:30Z)
• ConStruct: Structural Distillation of Foundation Models for Prototype-Based Weakly Supervised Histopathology Segmentation [16.733170895296343]
  病理組織学におけるWSSS (Weakly supervised semantic segmentation) は分類バックボーンに大きく依存している。 本研究では,CONCHのモルフォロジー認識表現,SegFormerのマルチスケール構造的キュー,テキスト誘導型セマンティックアライメントを統合したプロトタイプ学習フレームワークを提案する。 提案手法は, ピクセルレベルのアノテーションを使わずに高品質な擬似マスクを作製し, 局所化完全性を改善し, 組織タイプ間のセマンティック一貫性を高める。
  論文  参考訳（メタデータ） (2025-12-11T06:08:29Z)
• One Swallow Does Not Make a Summer: Understanding Semantic Structures in Embedding Spaces [17.173074024116477]
  埋め込み空間は現代のAIの基本であり、生データをリッチなセマンティックな関係を符号化する高次元ベクトルに変換する。 埋め込み空間内の局所的な意味的近傍をキャプチャする幾何学保存・文脈認識表現であるSemantic Field Subspace (SFS)を導入する。 また,セマンティックシフト(Semantic Shift)と呼ばれる新しい計量を用いて階層的意味構造を明らかにする,教師なし・モダリティに依存しないアルゴリズムであるSAFARIを提案する。
  論文  参考訳（メタデータ） (2025-11-30T11:48:00Z)
• GeoGNN: Quantifying and Mitigating Semantic Drift in Text-Attributed Graphs [59.61242815508687]
  テキスト分散グラフ(TAG)上のグラフニューラルネットワーク(GNN)は、事前訓練された言語モデル(PLM)を使用してノードテキストを符号化し、これらの埋め込みを線形近傍アグリゲーションを通じて伝播する。 本研究は,意味的ドリフトの度合いを計測する局所PCAベースの計量を導入し,異なる凝集機構が多様体構造にどのように影響するかを解析するための最初の定量的枠組みを提供する。
  論文  参考訳（メタデータ） (2025-11-12T06:48:43Z)
• SPAN: Unlocking Pyramid Representations for Gigapixel Histopathological Images [8.026588319629528]
  全体スライド画像(WSI)は、ギガピクセルスケールの解像度と、スパースで不規則に分布する情報領域により、基本的な計算課題を提示する。 本研究では,空間的関係を正確に保存する疎結合型計算フレームワークを提案する。 SPAN(Sparse Pyramid Attention Networks)を開発した。
  論文  参考訳（メタデータ） (2024-06-13T17:14:30Z)
• MamMIL: Multiple Instance Learning for Whole Slide Images with State Space Models [56.37780601189795]
  本稿では,WSI分析のためのフレームワークMamMILを提案する。 私たちは各WSIを非指向グラフとして表現します。 マンバが1次元シーケンスしか処理できない問題に対処するために、トポロジ対応の走査機構を提案する。
  論文  参考訳（メタデータ） (2024-03-08T09:02:13Z)
• SSMG: Spatial-Semantic Map Guided Diffusion Model for Free-form Layout-to-Image Generation [68.42476385214785]
  本稿では,レイアウトから派生した特徴写像を用いた空間意味マップガイド(SSMG)拡散モデルを提案する。 SSMGは,従来の研究に比べて空間的,意味的な制御性に優れた生成品質を実現する。 また,RSA(Relation-Sensitive Attention)機構とLSA(Location-Sensitive Attention)機構を提案する。
  論文  参考訳（メタデータ） (2023-08-20T04:09:12Z)
• HSVA: Hierarchical Semantic-Visual Adaptation for Zero-Shot Learning [74.76431541169342]
  ゼロショット学習(ZSL)は、目に見えないクラス認識の問題に取り組み、目に見えないクラスから目に見えないクラスに意味的な知識を移す。 本稿では,意味領域と視覚領域を協調させる新しい階層型意味視覚適応(HSVA)フレームワークを提案する。 4つのベンチマークデータセットの実験では、HSVAは従来のZSLと一般的なZSLの両方で優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-30T14:27:50Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)

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。