論文の概要: Conditioning noise is a free regularizer for LoRA fine-tuning: no pathology encoder required for diffusion-based artifact detection in histopathology
- arxiv url: http://arxiv.org/abs/2609.16032v1
- Date: Fri, 11 Sep 2026 07:16:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.110065
- Title: Conditioning noise is a free regularizer for LoRA fine-tuning: no pathology encoder required for diffusion-based artifact detection in histopathology
- Title（参考訳）: コンディショニングノイズはLoRA微細調整のためのフリーレギュレータである:病理組織学における拡散型アーティファクト検出に必要な病理エンコーダは存在しない
- Abstract要約: 拡散型アーティファクト検出器は、クリーン組織に微調整されたモデルの下で、再構成誤差によって全スライディングイメージパッチをスコアする。
ランダムなガウス埋め込みにこの微調整を施すことで、クリーン/アーティファクトの分離が一貫して広がることを示す。
- 参考スコア（独自算出の注目度）: 1.8864137667201766
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion-based artifact detectors score whole-slide image patches by reconstruction error under a model fine-tuned on clean tissue. We show that conditioning this fine-tuning on random Gaussian embeddings -- resampled at every step from approx. 200 KB of precomputed embedding statistics, with no encoder, no cache, and no change to inference -- consistently widens the clean/artifact separation. A four-step ablation chain shows the benefit requires neither content (shuffled real embeddings), provenance (synthetic Gaussians), a tuned intensity (flat across an 8x variance range), nor per-patch identity (fresh per-step noise); a LoRA-dropout control shows the conditioning pathway specifically, not generic weight perturbation, carries the effect. Patch-level gains of +0.25-0.48 Cohen's d replicate across nine trainings; honest leave-one-slide-out evaluation clears a pre-registered bar in 2/2 seeds; and two pre-registered external endpoints on a 281-case set confirm pooled Delta F1 = +0.0073 (95% CI) and +0.0129 (97.5% CI, two-look corrected). We release the full evaluation protocol, including measured seed noise and selection-optimism pricing.
- Abstract（参考訳）: 拡散型アーティファクト検出器は、クリーン組織に微調整されたモデルの下で、再構成誤差によって全スライディングイメージパッチをスコアする。
ランダムなガウスの埋め込みにこの微調整を行うこと -- 約200KBの事前計算済みの埋め込み統計から、エンコーダがなく、キャッシュがなく、推論の変更もない -- が、クリーン/アーティファクトの分離を一貫して拡大することを示しています。
4段階のアブレーション連鎖は、内容(シャッフルされた実埋め込み)、前駆体(合成ガウス)、調整された強度(8倍のばらつき範囲にわたって平坦)、パッチ単位(ステップごとのノイズ)を必要としない。
パッチレベルの利得+0.25-0.48 コーエンの d は9つの訓練で再現され、正直なところ2/2シードで事前登録されたバーがクリアされ、281ケースセットで事前登録された2つの外部エンドポイントがデルタ F1 = +0.0073 (95% CI) と +0.0129 (97.5% CI, two-look corrected) と確認された。
シードノイズの測定と選択最適化価格を含む,完全な評価プロトコルをリリースする。
関連論文リスト
- The Model Proposes, the Code Disposes: A Pre-Registered Ablation of a Verifier-and-Acceptance Stage in an LLM-Orchestrated Offensive-Security Agent [0.0]
決定的コードによって検証が強制されるモデル検証装置である検証受理段階が、LCMが主導する攻撃セキュリティエージェントが報告するものを変更するかどうかを評価する。
本報告では,15回の探索パイロット,20回の予備登録検定アブレーション,および2回の故意に脆弱な検査対象を40回実施した2×2因子分析を行った。
検証者はシステムが提供するものを変更し、決定論的コードは強制と監査性を提供します。
論文 参考訳（メタデータ） (2026-09-14T17:13:05Z) - Post-Operative Glioma Segmentation via Loss Stabilization, Normalization and Subspace Attention [46.03321798937855]
ドメインシフトの際,GDL(Generalized Dice Loss)が不安定であることを示す。
本稿では,ボトルネック機能を再校正するサブスペース・アウェア・クラス・アテンション(SACA)モジュールを提案し,腫瘍の感度を8%向上させる。
論文 参考訳（メタデータ） (2026-07-23T09:59:30Z) - 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) - Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。
この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。
重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
論文 参考訳（メタデータ） (2026-05-25T10:24:32Z) - Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - From Calibration to Refinement: Seeking Certainty via Probabilistic Evidence Propagation for Noisy-Label Person Re-Identification [40.73759251488672]
既存のノイズロスのある人物Re-ID法は、ソフトマックス出力を用いた損失補正やサンプル選択方式に依存している。
本稿では,キャリブレーションからリファインメントへ伝播する確率的証拠を通じて確実性を求める2段階フレームワークであるCARE法を提案する。
精製段階では, クリーン試料とノイズ試料をより正確に識別できるエビデンス伝搬精製法(EPR)を設計する。
論文 参考訳（メタデータ） (2026-02-26T15:50:15Z) - Blind Ultrasound Image Enhancement via Self-Supervised Physics-Guided Degradation Modeling [4.619828919345113]
監視強化手法は、クリーンターゲットや既知の劣化へのアクセスを前提としている。
本稿では,Bモード画像の変換・復調を行うブラインド型自己教師型拡張フレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T15:28:25Z) - I Detect What I Don't Know: Incremental Anomaly Learning with Stochastic Weight Averaging-Gaussian for Oracle-Free Medical Imaging [2.384534878752428]
異常ラベルを使わずに,信頼度の高い正規サンプル群を漸進的に拡張する,教師なしのオラクルフリーフレームワークを導入する。
凍結した事前訓練された視覚バックボーンは、小さな畳み込みアダプタで拡張され、無視できる計算オーバーヘッドを伴う高速なドメイン適応が保証される。
COVID-CXRでは、ROC-AUCは0.9489から0.9982に改善され、肺炎CXRでは0.6834から0.8968に上昇し、脳MRIではND-5では0.6041から0.7269に上昇する。
論文 参考訳（メタデータ） (2025-11-05T23:28:14Z) - CLIPure: Purification in Latent Space via CLIP for Adversarially Robust Zero-Shot Classification [65.46685389276443]
画像とテキストプロンプトをマッチングすることでゼロショット分類を行うことができる、視覚言語で事前訓練されたエンコーダモデルであるCLIPについて検討する。
次に, 共分散精製プロセス間のKL分散として精製リスクを定式化する。
画像の潜伏ベクトルの確率をモデル化するCLI-Diffと、画像の埋め込みとaの写真とのコサイン類似度をモデル化するCLI-Cosの2つのバリエーションを提案する。
論文 参考訳（メタデータ） (2025-02-25T13:09:34Z) - Heteroscedastic Uncertainty Estimation Framework for Unsupervised Registration [32.081258147692395]
本稿では,異種画像の不確実性推定のためのフレームワークを提案する。
教師なし登録時の不確実性の高い領域の影響を適応的に低減することができる。
提案手法は, ベースラインを常に上回り, 有意な不確実性推定を導出する。
論文 参考訳（メタデータ） (2023-12-01T01:03:06Z) - Certified Adversarial Robustness Within Multiple Perturbation Bounds [38.3813286696956]
ランダムスムーシング(Randomized smoothing、RS)は、敵の攻撃に対するよく知られた防御である。
本研究では,複数の摂動境界に対して同時に認証された対向ロバスト性を改善することを目的としている。
論文 参考訳（メタデータ） (2023-04-20T16:42:44Z) - (Certified!!) Adversarial Robustness for Free! [116.6052628829344]
逆方向の摂動が0.5の2ノルム以内であることに制約された場合,ImageNetでは71%の精度が証明された。
これらの結果は,モデルパラメータの微調整や再学習を必要とせず,事前学習した拡散モデルと画像分類器のみを用いて得られる。
論文 参考訳（メタデータ） (2022-06-21T17:27:27Z)
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。