論文の概要: Weakly Supervised Spatial Grounding for Discriminative Attention-Based Ultrasound-Histopathology Alignment in Prostate Cancer Grading

• arxiv url: http://arxiv.org/abs/2609.15150v1
• Date: Mon, 14 Sep 2026 07:24:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.168684
• Title: Weakly Supervised Spatial Grounding for Discriminative Attention-Based Ultrasound-Histopathology Alignment in Prostate Cancer Grading
• Title（参考訳）: 前立腺癌における鑑別的アテンションに基づく超音波-病理組織学的アライメントのための空間的接地法の検討
• Abstract要約: 不対のクロスモーダル蒸留は、組織学からマイクロ超音波エンコーダへグレード構造を伝達する。 単一の目的は、パッチのレンダリング機能と組織状態の識別と、どのパッチがプールされた表現に入るかの選択である。
• 参考スコア（独自算出の注目度）: 24.492164115951358
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unpaired cross-modal distillation transfers grade structure from histopathology into a micro-ultrasound (micro-US) encoder by aligning a pooled needle-region embedding to a frozen histopathology teacher under grade-group correspondence alone. A single objective is thereby required to serve two distinct functions: rendering patch features discriminative of tissue state, and selecting which patches enter the pooled representation. We decouple them. Weak spatial supervision derived from percentage involvement, recorded routinely at biopsy, constrains the predicted proportion of malignant tissue within each core, acting on the encoder features independently of the alignment objective. The alignment loss then operates on features that differ across a core, and attention concentrates on a subset of patches rather than remaining near-uniform. On 7,166 biopsy cores from 811 patients across seven centers under patient-level 5-fold cross-validation, the method reaches 67.1 macro AUC and 68.5 csPCa AUC, against 61.2 and 52.8 for the existing unpaired alignment method and 63.1 and 62.6 for the strongest unimodal baselines. Ablation against existing attention regularizers designed to prevent attention-uniformity collapse shows that such regularizers do not substitute for label-derived supervision: they constrain the attention distribution, whereas the signal required acts on the features that attention reads.
• Abstract（参考訳）: マイクロ超音波 (micro-US) エンコーダは, マイクロ超音波 (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) に, マイクロ超音波 (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) に導入され, マイクロ超音波 (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) エンコーダ) に導入され, マイクロ超音波 (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) エンコーダ (micro-US) エンコーダ) が用いられる。 したがって、単一の目的は2つの異なる機能を提供する必要がある: パッチのレンダリングの特徴は組織状態を識別し、どのパッチがプールされた表現に入るかを選択する。 私たちはそれらを分離する。 生検で定期的に記録されるパーセンテージの関与から導かれる弱い空間的監督は、各コア内の悪性組織の予測割合を制限し、アライメント目的とは無関係にエンコーダの特徴に作用する。 アライメント損失は、コア間で異なる機能で動作し、注意は、ほぼ一様に留まるのではなく、パッチのサブセットに集中する。 患者レベル5倍のクロスバリデーションで7つのセンターにまたがる811人の生検コアは67.1マクロAUCと68.5 csPCa AUCに到達し、既存の未ペアアライメント法では61.2と52.8、最強のアンモダルベースラインでは63.1と62.6に到達した。 注意均一性の崩壊を防ぐために設計された既存の注意正規化器に対するアブレーションは、そのような正規化器がラベル由来の監督に代わらないことを示している:注意分布を制限し、信号は注意が読む特徴に作用する。

関連論文リスト

• Learning Prostate Anatomy at Test Time for Cancer Detection in Micro-Ultrasound [24.492164115951358]
  臨床センター間のドメインシフトは、前立腺がん検出のためのディープラーニングモデルをデプロイする上で、依然として基本的な障壁である。 本稿では,ガン検出エンコーダを対象領域に適応させるセグメンテーション誘導型TTAフレームワークANTを提案する。 このモデルは、マルチセンター臨床試験において、初期のマイクロ超音波スキャナーで画像化した693人の患者で訓練され、2つのセンターにまたがる新しい世代のシステムで得られた118人の患者で評価された。
  論文  参考訳（メタデータ） (2026-08-20T20:36:40Z)
• Automated binary classification of hazelnut X-ray images: A deep-learning benchmark for quality assessment [33.72751145910978]
  非破壊的なX線撮影では、外部検査だけでは検出が難しい内部のハゼルナッツの欠陥が明らかになる。 799セグメントのシングルカーネルX線画像に基づくバイナリ・ヘーゼルナットの品質分類のベンチマークを提案する。
  論文  参考訳（メタデータ） (2026-08-12T07:55:22Z)
• APCReg: Anatomical-Prior-Guided Coarse-to-Fine CBCT--IOS Registration via Multi-View Projection and Reliability-Controlled Residual Correction [11.081240599321724]
  APCRegは、大域的登録と信頼性制御された残留補正のための解剖学的事前誘導粗粒化フレームワークである。 60個の顎の対で、APCRegはチャムファー距離0.87mm、ハウスドルフ距離2.92mmを達成している。
  論文  参考訳（メタデータ） (2026-08-07T09:06:05Z)
• Learning Where to Look: A Reinforcement Learning Framework for Robust Micro-Ultrasound Prostate Cancer Detection [3.289558200859529]
  Prost-RLは、デコードの前にどこで見るべきかを学ぶことによって、空間的に認識されポリシー駆動の推論問題として、$US PCa検出を再設定する。 Prost-RLは、軽量強化学習ポリシーを基礎モデルエンコーダデコーダに統合し、解釈可能な空間アテンションマップを生成する。 693人の患者の6,607個の生検コアにおいて、Prost-RLは7,9.0pm3.5$ AUROCを獲得し、6,4.6pm6.3$%の感度でコアレベルの検出を行う。
  論文  参考訳（メタデータ） (2026-06-29T22:07:39Z)
• Aligning Cellular Sheaves with Classifier Attention for Interpretable Weakly-Supervised Pathology Localization [0.17475946318830873]
  注目に基づく複数インスタンス学習を用いた全スライディング画像の弱教師付き分類は、Camelyon16スライドレベルの性能でほぼ飽和状態に達する。 臨床的解釈では、実際の病変を撃たずに正しく分類するモデルは信頼できない。 細胞シーブを全スライディング画像上の弱教師付き腫瘍局在に応用し, せん断不一致フィールドとAMMILを併用した。
  論文  参考訳（メタデータ） (2026-05-24T18:37:12Z)
• Linking spatial biology and clinical histology via Haiku [35.723756132708026]
  マルチプレクシド免疫蛍光(mIF)を訓練した3モーダルコントラスト学習モデルHaikuについて紹介する。 11種類の臓器にまたがる1,606人の患者から3,218の組織から267万個の空間パッチを採取する。
  論文  参考訳（メタデータ） (2026-04-30T18:53:32Z)
• PRIME: Prototype-Driven Multimodal Pretraining for Cancer Prognosis with Missing Modalities [86.63247982275396]
  PRIMEは、欠落を認識したマルチモーダルな自己教師型事前トレーニングフレームワークである。 部分的に観察されたコホートから頑健で伝達可能な表現を学ぶ。 The Cancer Genome AtlasのPRIMEを32種類の癌に対してラベルフリープレトレーニングで評価した。
  論文  参考訳（メタデータ） (2026-04-05T21:14:27Z)
• A Unified Framework for Joint Detection of Lacunes and Enlarged Perivascular Spaces [3.9313804276175506]
  脳小血管疾患(CSVD)マーカー,特にEPVSとlacunaeは,医用画像解析においてユニークな課題である。 本稿では,Zero-Gated CrossTask Attention が高密度EPVSコンテキストを利用してスパースラグーン検出を誘導する形態分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-04T16:30:46Z)
• DUCX: Decomposing Unfairness in Tool-Using Chest X-ray Agents [35.69412546569078]
  ツールを用いた医療エージェントは、特殊な視覚と言語モジュールを編成することにより、胸部X線質問応答を改善することができる。 MedRAXを用いた胸部X線剤の系統的評価を行った。
  論文  参考訳（メタデータ） (2026-02-28T18:46:45Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Differentiable Topology-Preserved Distance Transform for Pulmonary Airway Segmentation [34.22415353209505]
  気道セグメンテーションの性能を向上させるために, 位相保存距離変換(DTPDT)フレームワークを提案する。 The Topology-Preserved Surrogate (TPS) learning strategy was first proposed to balance the training progress within-class distribution。 The Convolutional Distance Transform (CDT) is designed to identify the breakage phenomenon with superior sensitivity and minimize the variation of the distance map between the prediction and ground-truth。
  論文  参考訳（メタデータ） (2022-09-17T15:47:01Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)

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。