論文の概要: MiTHras: Task-specific Hierarchical Semi-supervised Contrastive Masked Autoencoder for Mitotic Figure Analysis

• arxiv url: http://arxiv.org/abs/2609.24736v1
• Date: Mon, 21 Sep 2026 15:07:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.353268
• Title: MiTHras: Task-specific Hierarchical Semi-supervised Contrastive Masked Autoencoder for Mitotic Figure Analysis
• Title（参考訳）: MiTHras:Mitotic Figure Analysisのためのタスク固有の階層型半教師付きマスクオートエンコーダ
• Abstract要約: MiTHrasは、画像およびトークンレベルのコントラスト学習のためのタスク固有の事前トレーニングフレームワークである。 11の臓器部位にまたがる14のTCGAコホートから180万の細胞中心画像のコーパスであるTCGA-MF-Pseudoを構築した。 MiTHrasは、3つのMF分類ベンチマークと2つのサブタイプベンチマークにおいて、最も高いF1を達成する。
• 参考スコア（独自算出の注目度）: 1.660565566432761
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mitotic figure (MF) analysis supports tumor grading and prognostic assessment, but automated models remain sensitive to differences in tissue type and image acquisition. We present MiTHras, a task-specific pretraining framework that combines pseudo-label-guided image- and token-level contrastive learning with masked reconstruction. We construct TCGA-MF-Pseudo, a corpus of 1.8 million cell-centered images from 14 TCGA cohorts spanning 11 organ sites. Comprehensive evaluation on MF classification, detection, count-based survival prediction, and subtype classification demonstrates the efficacy of MiTHras. It achieves the highest mean F1 on all three MF classification benchmarks and both subtype benchmarks. MiTHras also outperforms general-purpose and pathology foundation encoders by a larger margin under frozen-encoder linear probing than under full fine-tuning. Although detection gains are modest due to a shared candidate-detection stage, ablations confirm that token-level supervision improves typical-versus-atypical classification and linear probing. These findings establish that MiTHras yields robust, transferable representations for automated mitotic activity assessment.
• Abstract（参考訳）: Mitotic figure (MF) 解析は腫瘍のグレーディングと予後評価をサポートするが, 自動モデルでは組織型と画像取得の違いに敏感である。 擬似ラベル付き画像とトークンレベルのコントラスト学習とマスク付き再構成を組み合わせたタスク特化事前学習フレームワークであるMiTHrasを提案する。 11の臓器部位にまたがる14のTCGAコホートから180万の細胞中心画像のコーパスであるTCGA-MF-Pseudoを構築した。 MF分類、検出、カウントベース生存予測およびサブタイプ分類に関する総合的な評価は、MiTHrasの有効性を示す。 3つのMF分類ベンチマークと2つのサブタイプベンチマークにおいて、最も高いF1を達成する。 MiTHrasはまた、完全な微調整よりも、凍結エンコーダの線形探査においてより大きなマージンで汎用および病理基盤エンコーダを上回っている。 検出ゲインは、共有候補検出段階により控えめであるが、トークンレベルの監督が典型的対向非定型分類と線形探索を改善することを確認する。 これらの結果から、MiTHrasは自動分裂活動評価のために頑健で伝達可能な表現を得られることが判明した。

関連論文リスト

• B-MIM: Biased Masked Image Modeling for Generalizable Segmentation of Fine-Grained Anatomical Structures [42.844780603412325]
  自己監督型プレトレーニングは、医療画像の転送可能な表現を可能にする。 ほとんどのCTエンコーダは、いまだに粗い意味理解に偏っている。 グローバルなセマンティックアライメントを低減するために、バイアスドマスク画像モデリングを導入する。
  論文  参考訳（メタデータ） (2026-08-25T10:20:05Z)
• PulmoSight-XAI: An Explainable Multi-View Attention Ensemble with Gradient Boosting Meta-Learning for Multi-Label Chest X-Ray Classification [1.2744523252873352]
  14の胸部病理の堅牢な分類のための説明可能な階層的多視点アンサンブルフレームワークを提案する。 このフレームワークは、フロントとサイドのラジオグラフィーを独立してモデル化することで、ビュー固有のトレーニングを採用する。 このフレームワークは最先端のマクロ平均AUROCスコアを前頭葉で0.9319、横線で0.9154と達成している。
  論文  参考訳（メタデータ） (2026-07-05T19:50:53Z)
• GOLDMARK: Governed Outcome-Linked Diagnostic Model Assessment Reference Kit [7.891604152731754]
  CB(Computational Biomarker)は、ヘマトキシリン・エオシン(H&E)全スライディング画像(WSI)から抽出した組織由来のパターンで、治療効果や予後を予測する。 臨床応用可能な OncoKB レベル1-3 バイオマーカーラベルを持つTCGAコーホート上に構築された標準化されたベンチマークフレームワークである GOLDMARK を紹介する。
  論文  参考訳（メタデータ） (2026-03-21T15:09:06Z)
• Hemorica: A Comprehensive CT Scan Dataset for Automated Brain Hemorrhage Classification, Segmentation, and Detection [0.749500254646884]
  Hemoricaは、2012年から2024年の間に取得された372個の頭部CT検査の公開コレクションである。 ICHサブタイプ(EPH)、サブデューラル(SDH)、サブアラキノイド(SAH)、パーレンキマル(IPH)の5つのサブタイプ(EPH)に対して、各スキャンは徹底的に注釈付けされている。 Hemoricaは、マルチタスクとカリキュラム学習をサポートする統一されたきめ細かいベンチマークを提供する。
  論文  参考訳（メタデータ） (2025-09-26T23:09:41Z)
• AHDMIL: Asymmetric Hierarchical Distillation Multi-Instance Learning for Fast and Accurate Whole-Slide Image Classification [51.525891360380285]
  AHDMILは非対称な階層的蒸留マルチインスタンス学習フレームワークである。 2段階のトレーニングプロセスを通じて、無関係なパッチを排除します。 分類性能と推論速度の両方において、従来の最先端手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:47:16Z)
• TUMLS: Trustful Fully Unsupervised Multi-Level Segmentation for Whole Slide Images of Histology [41.94295877935867]
  We present a Trustful fully unsupervised multi-level segmentation method (TUMLS) for whole slide image (WSIs)。 TUMLSは、低解像度のトレーニングデータの中で異なる組織タイプを特定するために、オートエンコーダ(AE)を特徴抽出器として採用している。 このソリューションは、臨床医にシームレスに統合され、WSI全体の検査を簡潔で解釈可能なクロスレベル洞察のレビューに変換する。
  論文  参考訳（メタデータ） (2025-04-17T07:48:05Z)
• Gene-induced Multimodal Pre-training for Image-omic Classification [20.465959546613554]
  本稿では、ゲノム情報と全スライド画像(WSI)を併用した遺伝子誘導型マルチモーダル事前学習フレームワークを提案する。 TCGAデータセットによる実験結果から,ネットワークアーキテクチャと事前学習フレームワークの優位性が示され,画像-オミクス分類の精度は99.47%に達した。
  論文  参考訳（メタデータ） (2023-09-06T04:30:15Z)
• Classification of lung cancer subtypes on CT images with synthetic pathological priors [41.75054301525535]
  同症例のCT像と病理像との間には,画像パターンに大規模な関連性が存在する。 肺がんサブタイプをCT画像上で正確に分類するための自己生成型ハイブリッド機能ネットワーク(SGHF-Net)を提案する。
  論文  参考訳（メタデータ） (2023-08-09T02:04:05Z)
• Breast Ultrasound Tumor Classification Using a Hybrid Multitask CNN-Transformer Network [63.845552349914186]
  胸部超音波(BUS)画像分類において,グローバルな文脈情報の収集が重要な役割を担っている。 ビジョントランスフォーマーは、グローバルなコンテキスト情報をキャプチャする能力が改善されているが、トークン化操作によって局所的なイメージパターンを歪めてしまう可能性がある。 本研究では,BUS腫瘍分類とセグメンテーションを行うハイブリッドマルチタスクディープニューラルネットワークであるHybrid-MT-ESTANを提案する。
  論文  参考訳（メタデータ） (2023-08-04T01:19:32Z)
• G-MIND: An End-to-End Multimodal Imaging-Genetics Framework for Biomarker Identification and Disease Classification [49.53651166356737]
  診断によって誘導される画像データと遺伝データを統合し、解釈可能なバイオマーカーを提供する新しいディープニューラルネットワークアーキテクチャを提案する。 2つの機能的MRI(fMRI)パラダイムとSingle Nucleotide Polymorphism (SNP)データを含む統合失調症の集団研究で本モデルを評価した。
  論文  参考訳（メタデータ） (2021-01-27T19:28:04Z)
• Anomaly Detection in Time Series with Triadic Motif Fields and Application in Atrial Fibrillation ECG Classification [3.026059658770843]
  時系列分析では、時系列モチーフと時系列の順序パターンは、一般的な時間パターンと動的特徴を明らかにすることができる。 TMFは、三進時系列モチーフに基づくシンプルで効果的な時系列画像符号化方法です。 この動的特徴は、伝達学習事前学習畳み込みニューラルネットワーク(CNN)モデルを用いて、TMF画像から抽出することができる。 symmetrized Gradient-weighted Class Mappingによって明らかにされたパターンは、明確な臨床解釈を有する。
  論文  参考訳（メタデータ） (2020-12-09T09:39:48Z)

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。