論文の概要: MORPHA: Morphology-Constrained Training and the Limits of Cross-Acquisition Transfer in Low-Resource Malaria Microscopy

• arxiv url: http://arxiv.org/abs/2609.05990v1
• Date: Sat, 05 Sep 2026 09:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 12:00:36.130088
• Title: MORPHA: Morphology-Constrained Training and the Limits of Cross-Acquisition Transfer in Low-Resource Malaria Microscopy
• Title（参考訳）: MORPHA : 低出力マラリア顕微鏡におけるモルフォロジー制約トレーニングとクロスアクセシション移行の限界
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In low-resource malaria microscopy, a model trained on one smear preparation routinely meets images from another, and how well morphology-based constraints transfer across this acquisition gap is unclear. We study this on real African field microscopy from Uganda (Lacuna), asking where encoding measured parasite morphology as a training constraint improves cross-acquisition transfer and where generic regularisation suffices. We present MORPHA, a morphological consistency constraint that derives stage-conditional statistics from the stage-annotated BBBC041 dataset and penalises predictions that deviate from them. Defined uniformly across binary, object-level, and stage-aware regimes without changing architecture or inference, it shapes training in the binary regime. The detection regime is a mapped boundary. On transfer from thin-smear cells to thick-smear field images, the constraint reduces the binary-classification generalisation drop by 30.8% (F1 0.578 to 0.699) at negligible within-domain cost and lowers in-distribution calibration error by 49% (ECE 0.0162 to 0.0082). A content-free control applying the identical constraint to random statistics recovers less of the drop (25.3% vs 30.8%), indicating the measured content, not constraining alone, contributes to the gain. Two standard confidence regularisers exceed the constraint on raw transfer, locating where morphology adds value and where generic regularisation suffices. We map two deployment-relevant boundaries: thin-smear statistics do not transfer to thick-smear detection (trophozoite AP@0.50 falls to 0.000), and cross-acquisition pseudo-labelling fails before filtering applies. Together these yield a morphology-grounded consistency signal and evidence-based guidance for malaria dataset and model design in low-resource settings.
• Abstract（参考訳）: 低出力のマラリア顕微鏡では、あるスミア製剤で訓練されたモデルが、他のスミアからの画像と日常的に一致し、この獲得ギャップを横断する形態的制約がいかにうまく伝達されるかは不明確である。 本研究では,ウガンダ (Lacuna) のアフリカの実地顕微鏡でこれを研究し,測定された寄生虫の形態をトレーニング制約として符号化することで,クロスアセプション・トランスファーが向上し,汎用的な正規化が不十分な場所を問う。 我々は,段階的アノテートBBBC041データセットから段階条件統計を導出し,それらから逸脱する予測を行う形態的一貫性制約MORPHAを提案する。 アーキテクチャや推論を変更することなく、バイナリ、オブジェクトレベル、ステージアウェアレジームを均一に定義し、バイナリレジームでのトレーニングを形作る。 検出体制は地図化された境界である。 細いスミア細胞から太いスミアフィールドイメージへ転送すると、ドメイン内コストの無視できる二分分類一般化の30.8%(F1 0.578から0.699)を減少させ、分布内キャリブレーション誤差を49%(ECE 0.0162から0.0082)下げる。 ランダム統計に同じ制約を適用したコンテンツフリー制御は、減少の少ない(25.3%対30.8%)。 2つの標準信頼正規化器は生の移動の制約を超え、形態学が価値を付加し、一般的な正規化が十分である場所を特定する。 薄いスミア統計は厚いスミア検出に移行しない(トロポゾイトAP@0.50は0.000に低下する)。 これらを合わせると、形態的基底の整合性信号と、マラリアデータセットと低リソース環境でのモデル設計のためのエビデンスに基づくガイダンスが得られる。

関連論文リスト

• MalariAI: A Label-Resilient Decoupled Framework for Universal Cell Segmentation and Explainable Stage Classification in Dense Malaria Blood Smears [0.0]
  血液スミア顕微鏡によるマラリアの診断は、グローバルヘルスAIにとって重要な課題である。 3つの複合的障害モードは、既存のディープラーニングシステムの信頼性の高い臨床展開を防ぐ。 統一パイプラインにおける3つの障害モードすべてに対処する、2段階の分離フレームワークであるMarariAIを紹介します。
  論文  参考訳（メタデータ） (2026-07-01T03:27:04Z)
• SVC-Probe: A Framework for Evaluating Perturbation Generalization in Spatial Foundation-Model Embeddings [3.884856136722027]
  本研究では,蛍光顕微鏡画像から得られた空間基底モデル埋め込みの一般化について検討する。 本稿では,SVC-Probeについて紹介する。SVC-Probeは細胞内埋め込みアトラス安定性,Mondrian Neighborhood Graphs,Foundation Model Perturbation Probeを組み合わせた摂動認識フレームワークである。
  論文  参考訳（メタデータ） (2026-06-26T13:46:36Z)
• Specificity- and Calibration-Aware Breast Ultrasound Segmentation via Entropy-Guided Boundary Supervision [0.0]
  病変のある画像では、スペックルノイズ、低組織コントラスト、後部音響シャドーイングは境界漏れと不完全な輪郭線を生じさせる。 本研究は、トレーニング対象に1つの修正を加えることで、両方の障害モードに対処する。 全ての境界画素を等しく重み付けする代わりに、提案された損失は、画素ごとの予測エントロピーと接地トラス境界写像によって輪郭ペナルティをスケールする。
  論文  参考訳（メタデータ） (2026-06-21T02:21:11Z)
• Wasserstein-Aligned Localisation for VLM-Based Distributional OOD Detection in Medical Imaging [8.915586506306875]
  比較推論が可能な最適輸送理論に基づく学習自由フレームワークであるWALDOを紹介する。 Qwen2.5-VL-72B の WALDO は 43.5_pm1.6%$ mAP@30 (95% CI: [40.4, 46.7]) を達成し、ゼロショットベースラインよりも 19% の相対的な改善を示した。
  論文  参考訳（メタデータ） (2026-05-06T17:32:34Z)
• 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)
• Latent Sculpting for Zero-Shot Generalization: A Manifold Learning Approach to Out-of-Distribution Anomaly Detection [2.8547732086436306]
  教師付きディープラーニングの基本的限界は「一般化崩壊」である 階層型2段階表現学習フレームワークであるLatent Sculptingを提案する。 我々は「浸潤」のシナリオについて88.89%の検知率を報告した。
  論文  参考訳（メタデータ） (2025-12-19T11:37:02Z)
• Unlasting: Unpaired Single-Cell Multi-Perturbation Estimation by Dual Conditional Diffusion Implicit Bridges [68.98973318553983]
  本稿では,Dual Diffusion Implicit Bridges (DDIB) に基づくフレームワークを提案する。 我々は、生物学的に意味のある方法で摂動シグナルを伝達するために遺伝子制御ネットワーク(GRN)情報を統合する。 また、サイレント遺伝子を予測し、生成したプロファイルの品質を向上させるためのマスキング機構も組み込んだ。
  論文  参考訳（メタデータ） (2025-06-26T09:05:38Z)
• CRTRE: Causal Rule Generation with Target Trial Emulation Framework [47.2836994469923]
  ターゲットトライアルエミュレーションフレームワーク(CRTRE)を用いた因果ルール生成という新しい手法を提案する。 CRTREは、アソシエーションルールの因果効果を推定するためにランダム化トライアル設計原則を適用している。 次に、病気発症予測などの下流アプリケーションにそのような関連ルールを組み込む。
  論文  参考訳（メタデータ） (2024-11-10T02:40:06Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• 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)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)

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。