論文の概要: Exploring the Latent Structure of AMD Severity Using Retinal Foundation Models

• arxiv url: http://arxiv.org/abs/2610.14138v1
• Date: Fri, 09 Oct 2026 13:50:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 23:00:32.155696
• Title: Exploring the Latent Structure of AMD Severity Using Retinal Foundation Models
• Title（参考訳）: 網膜基礎モデルを用いたAMD重症度の潜在構造探索
• Abstract要約: 本稿では,老化関連黄斑変性症(AMD)を症例として,RET-CLIPの埋め込み空間における重症度について検討した。 まず、学習した表現空間におけるAMDの重大度分布を特徴付け、その構造が分類性能に与える影響を評価する。
• 参考スコア（独自算出の注目度）: 12.03471927278551
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Retinal foundation models have demonstrated strong performance across a wide range of ophthalmic tasks, yet relatively little is known about how disease-related information is represented within their learned embeddings and whether this distribution influences downstream prediction performance. In this work, we use Age-related Macular Degeneration (AMD) as a case study to investigate how disease severity is represented within the embedding space of RET-CLIP, a retinal vision-language foundation model, using bilateral fundus images from the AREDS dataset, benchmarked against non-retinal encoders. We first characterize the distribution of AMD severity within the learned representation space and then evaluate how this structure influences classification performance across three clinically relevant task formulations of increasing granularity. Finally, we analyze the most influential latent dimensions combining feature attribution, statistical phenotype association, and qualitative image analyses. Our results show that RET-CLIP represents AMD severity as a continuous spectrum rather than a set of discrete categories, with healthy and advanced disease stages exhibiting clearer separation than intermediate ones. This organization was reflected in downstream performance, which decreased from a balanced accuracy of 0.844 and 0.814 for binary AMD and Late-AMD detection respectively to 0.446 for six-class grading. Furthermore, the most influential latent dimensions were statistically associated to distinct retinal phenotypes, including drusen accumulation, pigmentary alterations, and advanced retinal lesions. These findings suggest that the structure of retinal foundation-model representations influences the difficulty of clinically relevant prediction tasks and demonstrate the potential of representation-level analysis for understanding disease organization and improving interpretability.
• Abstract（参考訳）: 網膜基盤モデルは幅広い眼科領域で高い性能を示してきたが、学習した埋め込みにおいて疾患関連情報がどのように表現され、この分布が下流の予測性能に影響を及ぼすかは、比較的分かっていない。 本研究では, 網膜視覚基盤モデルRET-CLIPの組込み空間において, 非網膜エンコーダに対して, AREDSデータセットから得られた両側眼底画像を用いて, 病気の重症度がどのように表現されるかを調べるために, 年齢関連黄斑変性(AMD)を事例研究として用いた。 まず, 学習した表現空間におけるAMDの重大さの分布を特徴付けるとともに, この構造が, 粒度を増大させる3つの臨床的タスクの定式化における分類性能に与える影響を評価する。 最後に,特徴属性,統計的表現型関連,定性的画像解析を組み合わせた最も影響力のある潜伏次元を解析した。 以上の結果から,RET-CLIPはAMDの重症度を個々のカテゴリーではなく連続スペクトルとして表すことが明らかとなった。 この組織は下流性能に反映され, 2進AMDでは0.844, 0.814, 6等級では0.446に低下した。 さらに、最も影響力のある潜伏次元は、ドルゼン蓄積、色素変化、進行網膜病変を含む、異なる網膜表現型に統計的に関連していた。 これらの結果から,網膜基盤モデル表現の構造が臨床関連予測課題の難易度に影響を与えることが示唆された。

関連論文リスト

• Bridging Human and Model Attention: Explainability Analysis of CNN, Mamba, and ViT Architectures with Gaze-Based Validation [4.114756398011393]
  我々は、畳み込みニューラルネットワーク(CNN)、ビジョントランスフォーマー(ViT)、ビジョンマンバ(ViM)にまたがる系統的説明可能性評価を行う。 我々は、眼球追跡地上真実を用いて、モデル注意と人間の視覚知覚のアライメントを定量化する。 アーキテクチャ固有のXAI手法を用いて、微粒な分類、医用画像、感情認識でアライメントを評価する。
  論文  参考訳（メタデータ） (2026-10-08T20:33:38Z)
• Dementia Etiology Diagnosis via Collaborative Meta Knowledge Enhancement [81.27196033392559]
  認知症発症診断のための協調的メタ知識向上(COME)フレームワークを提案する。 COMEは、マルチセンタ取得セマンティクス、ソース識別子、モダリティインジケータを異種性を認識した埋め込みとして、スケールアップトレーニングのためにTransformerアーキテクチャに注入する。 本手法は,平均マクロ平均AUCが85.62%,最強ベースラインが4.29ポイント向上し,最先端のドメイン性能を実現する。
  論文  参考訳（メタデータ） (2026-07-24T04:26:47Z)
• Counterfactual Explainability Framework With CycleGAN And Counterfactual-Classifier Alignnment Score for Retinal Disease Classification [0.8602553195689513]
  本研究は,CycleGAN駆動型対実的説明可能性フレームワークであるCounterFundusを提案する。 それぞれの病理画像について、CycleGANジェネレータによって得られる反ファクトは、推定された健康なものを表す。 Counterfactual-Classifier Alignment Score (CCAS)を導入し、Spearman相関、バイナリIoU、精度を単一のアセスメントプロトコルに埋め込む。
  論文  参考訳（メタデータ） (2026-07-23T09:00:31Z)
• Multimodal Graph-based Classification of Esophageal Motility Disorders [73.90451172929117]
  食道運動障害の診断は,高分解能インピーダンス測定データの複雑化と臨床解釈の多様性が原因で大きな課題となる。 本研究は,HRIM記録と患者固有の情報を組み合わせたマルチモーダル機械学習に基づく分類手法の実現可能性について検討し,食道生理学のグラフベースモデリングを取り入れた。
  論文  参考訳（メタデータ） (2026-05-13T14:52:12Z)
• The Scaffold Effect: How Prompt Framing Drives Apparent Multimodal Gains in Clinical VLM Evaluation [1.9655003184977389]
  臨床画像コホートであるtextscFOR2107 と textscOASIS-3 の2値分類により,12個のオープンウェイト視覚言語モデル(VLM)を評価した。 これらの条件下では、より小さなVLMは、ニューロイメージングの文脈を導入すると最大58%のF1のゲインを示し、蒸留されたモデルは、桁違いに大きいものと競合するようになる。
  論文  参考訳（メタデータ） (2026-03-30T12:58:10Z)
• Improving Automated Wound Assessment Using Joint Boundary Segmentation and Multi-Class Classification Models [1.1432909951914676]
  本研究は, 創境界セグメンテーション (WBS) と創分類 (WC) を同時に行う YOLOv11 に基づく深層学習モデルを提案する。 その結果、複雑な背景に対するモデルの堅牢性とクラス内変動性が高いことが確認できた。
  論文  参考訳（メタデータ） (2026-03-28T16:11:31Z)
• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• Do Pathology Foundation Models Encode Disease Progression? A Pseudotime Analysis of Visual Representations [0.0]
  視覚基礎モデルは、独立した静的観測から連続的なプロセスを表現することを暗黙的に学習できることを示します。 このフレームワークは、静的スナップショットを通じて継続的プロセスが観察される他のドメインに適用できる。
  論文  参考訳（メタデータ） (2026-01-29T06:50:43Z)
• 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)
• Rethinking Semi-Supervised Medical Image Segmentation: A Variance-Reduction Perspective [51.70661197256033]
  医用画像セグメンテーションのための階層化グループ理論を用いた半教師付きコントラスト学習フレームワークARCOを提案する。 まず、分散還元推定の概念を用いてARCOを構築することを提案し、特定の分散還元技術が画素/ボクセルレベルのセグメンテーションタスクにおいて特に有用であることを示す。 5つの2D/3D医療データセットと3つのセマンティックセグメンテーションデータセットのラベル設定が異なる8つのベンチマークで、我々のアプローチを実験的に検証する。
  論文  参考訳（メタデータ） (2023-02-03T13:50:25Z)

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。