論文の概要: Reconstructed holograms and explanation-aware evaluation for low-cost computational pollen analysis in veterinary cytology

• arxiv url: http://arxiv.org/abs/2609.23017v1
• Date: Sat, 19 Sep 2026 13:35:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.649063
• Title: Reconstructed holograms and explanation-aware evaluation for low-cost computational pollen analysis in veterinary cytology
• Title（参考訳）: 動物細胞診における低コストの花粉分析のためのホログラムの再構成と説明-アウェア評価
• Abstract要約: ブライトフィールド顕微鏡は、レンズレスデジタルインラインホログラフィーより高価で複雑である。 我々は,再構成ホログラムがこのギャップを狭めることができるか,モデル説明がモダリティ変化の下で信頼性を維持しているかを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automated pollen analysis supports veterinary cytology, but brightfield microscopy is costlier and more complex than lens-less digital in-line holographic microscopy. We evaluate whether reconstructed holograms can narrow this gap and whether model explanations remain reliable under modality change. Six pollen species were imaged by brightfield and holographic microscopy. Raw, single back-propagation and iterative phase retrieval holograms were evaluated with YOLOv26s detection and MobileNetV4 classification after anchor-based annotation transfer. Six attribution methods were assessed for spatial grounding and faithfulness with the Attribution Health Inspection and Repair (AHIR) protocol, which tests model brittleness under weak noise and corrects attribution-map granularity when needed. Brightfield achieved 0.6890 mAP50-95 (0.8865 mAP50) for detection and 0.9687 macro-F1 (0.9705 accuracy) for classification. Reconstructed holograms narrowed the gap with a task-dependent split: p-type was strongest for detection at 0.5324 mAP50-95 (0.8229 mAP50), while r-type was strongest for classification at 0.7695 macro-F1 (0.7866 accuracy), both far above raw-hologram baselines. Activation-based explanations localized strongly on grains, and region-based methods retained ~60 to ~80% of faithfulness under holography. The holographic detector was highly brittle to weak perturbations, saturating deletion-based evaluation while insertion remained informative. Pixel-level gradient explanations approached random floor, yet spatial smoothing restored p-type gradient faithfulness from 0.05 to 0.51. For holographic classification, perturbation-based explanations remained faithful while gradient-based methods fell below random floor. Reconstruction improves low-cost holographic pollen analysis, while AHIR distinguishes genuine attribution failure from artifacts caused by model brittleness and map granularity.
• Abstract（参考訳）: 自動花粉分析は獣の細胞診をサポートするが、明るい電界顕微鏡はレンズレスのデジタルインラインホログラフィーより高価で複雑である。 我々は,再構成ホログラムがこのギャップを狭めることができるか,モデル説明がモダリティ変化の下で信頼性を維持しているかを評価する。 6種の花粉が、明るい視野とホログラフィーで観察された。 YOLOv26s 検出と MobileNetV4 分類を用いて, アンカーベースアノテーション導入後のバックプロパゲーション, 反復位相検索ホログラムの評価を行った。 AHIR(Attribution Health Inspection and repair)プロトコルでは、弱い雑音下で脆さをモデル化し、必要に応じて属性マップの粒度を補正する。 ブライトフィールドは検出には 0.6890 mAP50-95 (0.8865 mAP50) 、分類には 0.9687 macro-F1 (0.9705 精度) を達成した。 p型は0.5324 mAP50-95(0.8229 mAP50)で、r型は0.7695 macro-F1(0.7866)の分類で最強であった。 活性化に基づく説明は穀物に強く依存し、地域ベースの手法はホログラフィーでは60から80%の忠実さを維持した。 ホログラフィー検出器は、弱い摂動に対して非常に脆く、挿入時に消耗に基づく評価を飽和させた。 画素レベルの勾配説明はランダムフロアに近づいたが、空間的滑らかなp型勾配忠実度は0.05から0.51に回復した。 ホログラフィック分類では、摂動に基づく説明は忠実であり、勾配に基づく手法はランダムフロア以下であった。 レコンストラクションは低コストのホログラフィー花粉分析を改善する一方、AHIRはモデルの脆さと地図の粒度によって引き起こされるアーティファクトと真の帰属障害を区別する。

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)
• Artefact-Aware Fungal Detection in Dermatophytosis: A Real-Time Transformer-Based Approach for KOH Microscopy [0.28909295536379814]
  本研究では,RT-DETRモデルアーキテクチャを用いた変圧器を用いた検出フレームワークを提案する。 高分解能水酸化カリウム(KOH)画像における真菌構造の精密でクエリ駆動的な局在化を実現する。
  論文  参考訳（メタデータ） (2026-02-22T12:35:17Z)
• Interpretable Tile-Based Classification of Paclitaxel Exposure [2.857948740800973]
  C6グリオーマ細胞の相コントラスト顕微鏡によるパクリタキセル曝露の分類について検討した。 本稿では,局所パッチ上で動作し,タイル出力を画像ラベルに結合する,単純なタイリング・アンド・アグリゲーションパイプラインを提案する。
  論文  参考訳（メタデータ） (2025-10-27T14:13:51Z)
• HistoART: Histopathology Artifact Detection and Reporting Tool [37.31105955164019]
  ワイルスライドイメージング(WSI)は、組織標本の詳細な高分解能検査のために広く用いられている。 WSIは、スライドの準備とスキャンの間に導入されたアーティファクトに弱いままです。 本稿では,WSIに対する3つのロバストなアーティファクト検出手法を提案し,比較する。
  論文  参考訳（メタデータ） (2025-06-23T17:22:19Z)
• RELICT: A Replica Detection Framework for Medical Image Generation [34.82692226532414]
  生成モデルにおける記憶化は、意図しない機密情報漏洩とリミットモデルユーティリティを引き起こす可能性がある。 合成医用画像データセットにおいて、複製、すなわち、ほぼ同一のトレーニングデータのコピーを識別するためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-24T17:37:19Z)
• Significantly improving zero-shot X-ray pathology classification via fine-tuning pre-trained image-text encoders [50.689585476660554]
  本稿では,正対損失緩和とランダムな文サンプリングを含む新たな微調整手法を提案する。 提案手法は,胸部X線データセットと3つの事前訓練モデル間のゼロショット病理分類を一貫して改善する。
  論文  参考訳（メタデータ） (2022-12-14T06:04:18Z)
• 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)
• HistoPerm: A Permutation-Based View Generation Approach for Improving Histopathologic Feature Representation Learning [33.1098457952173]
  HistoPermは共同埋め込みアーキテクチャを用いた表現学習のためのビュー生成手法である。 HistoPermは、全スライディングのヒストロジー画像から抽出したパッチの増分ビューを置換し、分類性能を向上させる。 以上の結果から,HistoPermは,精度,F1スコア,AUCの点で,パッチレベルとスライドレベルの分類性能を一貫して向上させることがわかった。
  論文  参考訳（メタデータ） (2022-09-13T17:35:08Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)

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。