論文の概要: GAN-Blot: A Controllable Structure-Style Synthesis Benchmark for Western Blot Forensics

• arxiv url: http://arxiv.org/abs/2609.06619v1
• Date: Sun, 06 Sep 2026 14:09:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 05:09:04.870396
• Title: GAN-Blot: A Controllable Structure-Style Synthesis Benchmark for Western Blot Forensics
• Title（参考訳）: GAN-Blot:西部ブルート法医学のための制御可能な構造型合成ベンチマーク
• Abstract要約: 近年の科学的な不正行為は、西部劇団(WB)のイメージがますます作り上げられていることを示している。 本稿では,現実的な合成WB画像を生成するための制御可能なWB画像合成フレームワークGAN-Blotを提案する。 GAN-Blotは二重パスの自動符号化設計といくつかのスタイルアライメント損失項を統合し、構造スタイル合成の暗黙的な制御を可能にする。
• 参考スコア（独自算出の注目度）: 11.262150465133127
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Western blot (WB) images are widely used as key evidence in biomedical research. Recent scientific misconduct cases reveal that WB imagery is increasingly fabricated, making WB forensics a major concern for research integrity. However, while the progress of forensic detection techniques often relies on advances in forgery-generation techniques, the development of WB forensic techniques has been hindered by the lack of standardized appearance attribute definitions, image datasets, and controllable generation frameworks for WB imagery. To address this limitation, we present a controllable WB image synthesis framework, named GAN-Blot, for generating realistic synthetic WB images. We introduce a formulation that decomposes a WB image into a structure component and a style-reference component, enabling independent control over local protein-band geometry and the global visual appearance of a synthetic WB image. GAN-Blot integrates a dual-path autoencoding design with several style-alignment loss terms to enable implicit control over structure-style synthesis without predefined semantic appearance attributes. We further contribute a synthetic WB dataset containing more than 46K images and propose four evaluation protocols for controllable WB synthesis. Extensive experiments show that GAN-Blot can generate WB images with high fidelity in both protein-band structure and visual style. Under blind inspection, the generated images can fool domain experts and are not reliably distinguished from authentic WB images by existing detectors and screening platforms. These results demonstrate their utility as challenging controlled cases for validating and developing WB forensic methods.
• Abstract（参考訳）: 西洋のブロット(WB)画像は、生物医学研究における重要な証拠として広く利用されている。 近年の科学的不正行為により、WB画像はますます製造されつつあることが判明し、WB法医学が研究の完全性にとって大きな関心事となっている。 しかし, フォージェリジェネレーション技術の進歩は, フォージェリジェネレーション技術の進歩に依存することが多いが, 標準化された外観属性定義, 画像データセット, 制御可能なWB画像生成フレームワークの欠如により, WB法医学技術の発達が妨げられている。 この制限に対処するために、現実的な合成WB画像を生成するための制御可能なWB画像合成フレームワークGAN-Blotを提案する。 本稿では,WB画像を構造成分とスタイル参照成分に分解し,局所的なタンパク質バンド形状と合成WB画像のグローバルな視覚的外観の独立制御を可能にする定式化を提案する。 GAN-Blotは、事前定義されたセマンティックな外観属性を使わずに構造スタイル合成の暗黙的な制御を可能にするために、複数のスタイルアライメント損失項とデュアルパス自動符号化設計を統合している。 さらに,46K以上の画像を含む合成WBデータセットをコントリビュートし,制御可能なWB合成のための4つの評価プロトコルを提案する。 広汎な実験により、GAN-Blotは、タンパク質バンド構造と視覚スタイルの両方において、高い忠実度でWB画像を生成できることが示されている。 ブラインド検査では、生成された画像はドメインの専門家を騙しかねず、既存の検出器やスクリーニングプラットフォームによる本物のWB画像とは確実に区別されない。 これらの結果は,WB法定法を検証・開発する上で,その有効性を示すものである。

関連論文リスト

• Layout-Guided Controllable Pathology Image Generation with In-Context Diffusion Transformers [57.54843029965778]
  制御可能な病理画像合成には、空間配置、組織形態、意味的詳細の信頼できる規制が必要である。 In-Context Diffusion Transformer (IC-DiT) は,空間レイアウト,テキスト記述,視覚的埋め込みを統合拡散変換器に組み込んだレイアウト認識生成モデルである。 IC-DiTは既存の方法よりも忠実度が高く、空間制御性が強く、診断の整合性が良くなる。
  論文  参考訳（メタデータ） (2026-03-11T06:14:11Z)
• Structure Observation Driven Image-Text Contrastive Learning for Computed Tomography Report Generation [51.509572354327986]
  本稿では,CTRG(Computed Tomography Report Generation)に適した新しい2段階(構造とレポートの学習)フレームワークを提案する。 第1段階では、CT画像中の対応する構造を学習可能な構造特異的な視覚的クエリーの集合を観察し、その結果として得られる観察トークンと、それに伴う放射線学レポートから抽出された構造特異的なテキスト特徴とを、構造的に画像テキストのコントラストロスとで対比する。 第2段階では、視覚構造クエリを凍結し、各解剖学的構造を描写したクリティカルイメージパッチ埋め込みを選択するために使用し、メモリ消費を低減しつつ、無関係領域からの注意を最小化する。
  論文  参考訳（メタデータ） (2026-03-05T07:07:07Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Synthetic Image Detection via Spectral Gaps of QC-RBIM Nishimori Bethe-Hessian Operators [0.0]
  本稿では,スパース重み付きグラフ上でのコミュニティ検出問題として,合成画像識別を扱うモデル非依存検出器を提案する。 Flickr-Faces-HQ と CelebA の実際の写真と、GAN と拡散モデルにより生成された合成写真を用いて、猫対犬対男性対女性対バイナリタスクのアプローチを検証する。 我々の貢献は、深部画像の特徴を埋め込んだ新しいLDPCグラフ構築、西森温度RBIMとベーテ・ヘッセンスペクトル間の解析的リンク、新しい生成アーキテクチャに頑健な実用的で教師なしの合成画像検出器である。
  論文  参考訳（メタデータ） (2025-08-27T09:06:53Z)
• FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics [66.14786900470158]
  本稿では,AIによる画像鑑定に適した専門家マルチモーダルモデル(LMM)であるFakeScopeを提案する。 FakeScopeはAI合成画像を高精度に識別し、リッチで解釈可能なクエリ駆動の法医学的な洞察を提供する。 FakeScopeは、クローズドエンドとオープンエンドの両方の法医学的シナリオで最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-31T16:12:48Z)
• CSG: A Context-Semantic Guided Diffusion Approach in De Novo Musculoskeletal Ultrasound Image Generation [1.727597257312416]
  CSG(Context-Semantic Guidance)という,スケーラブルなセマンティック・コンテキスト条件生成モデルを提案する。 筋骨格(MSK)超音波画像におけるCSGによる所見(病理異常)の生成能力を示す。 その結果,CSGが生成した合成画像はセマンティックセグメンテーションモデルの性能を向上し,実画像との類似性を高めた。
  論文  参考訳（メタデータ） (2024-12-08T06:48:09Z)
• Unsupervised contrastive analysis for anomaly detection in brain MRIs via conditional diffusion models [13.970483987621135]
  本研究では、健康な画像に対して自己教師付きコントラストエンコーダを訓練することにより、再建品質を改善するための教師なしフレームワークを提案する。 これらの特徴は、拡散モデルを用いて、与えられた画像の健全な外観を再構成し、画素ワイド比較による解釈可能な異常な局所化を可能にする。
  論文  参考訳（メタデータ） (2024-06-02T15:19:07Z)
• BOSC: A Backdoor-based Framework for Open Set Synthetic Image Attribution [20.85450451277421]
  合成画像属性は、生成モデルによって生成された画像の起源をトレースする問題に対処する。 本稿では,バックドアアタックの概念に依存する,BOSCと呼ばれる合成画像のオープンセット属性の枠組みを提案する。
  論文  参考訳（メタデータ） (2024-05-19T09:17:43Z)
• Discovering Class-Specific GAN Controls for Semantic Image Synthesis [73.91655061467988]
  本稿では,事前訓練されたSISモデルの潜在空間において,空間的に不整合なクラス固有方向を求める新しい手法を提案する。 提案手法によって検出される潜在方向は,セマンティッククラスの局所的な外観を効果的に制御できることを示す。
  論文  参考訳（メタデータ） (2022-12-02T21:39:26Z)
• SIAN: Style-Guided Instance-Adaptive Normalization for Multi-Organ Histopathology Image Synthesis [63.845552349914186]
  本研究では,異なる臓器に対して,現実的な色分布とテクスチャを合成するためのスタイル誘導型インスタンス適応正規化(SIAN)を提案する。 4つのフェーズは一緒に動作し、生成ネットワークに統合され、イメージセマンティクス、スタイル、インスタンスレベルのバウンダリを埋め込む。
  論文  参考訳（メタデータ） (2022-09-02T16:45:46Z)

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。