Fugu-MT 論文翻訳(概要): PathPilot: An Adaptive Question-Conditioned Multi-Magnification Navigation Agent for Whole-Slide Image Analysis

論文の概要: PathPilot: An Adaptive Question-Conditioned Multi-Magnification Navigation Agent for Whole-Slide Image Analysis

arxiv url: http://arxiv.org/abs/2610.16734v1
Date: Mon, 12 Oct 2026 13:04:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-18 21:42:36.968167
Title: PathPilot: An Adaptive Question-Conditioned Multi-Magnification Navigation Agent for Whole-Slide Image Analysis
Title（参考訳）: PathPilot:全スライディング画像解析のための適応型質問記述型多機能ナビゲーションエージェント
Abstract要約: PathPilotはWSIナビゲーションエージェントで、クロス画像化のローカライゼーションとエビデンス適応探索を明示的にモデル化する。そこで我々は,病理医の観察行動から拡大性特異的な診断局所化を学習するCrossMagLocを紹介した。 EviRegionSearchも導入しています。
参考スコア（独自算出の注目度）: 35.9260132806967
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The diagnostic capability of WSI agents relies on effective slide navigation to identify diagnostically relevant regions and efficiently integrate evidence across the slide. While in clinical practice, pathologists dynamically examine slides across multiple scales, integrating global and cellular evidence in a sequential manner, existing AI navigation approaches mostly operate at a single fixed magnification or rely on predefined magnification traversal. This mismatch prevents existing methods from modeling cross-magnification interactions and adaptive magnification selection inherent to real diagnostic workflows. We propose PathPilot, a clinically consistent multi-magnification WSI navigation agent that explicitly models cross-magnification localization and evidence-adaptive exploration. Specifically, we introduce a CrossMagLoc that learns magnification-specific diagnostic localization from pathologist viewing behavior and integrates information from adjacent magnifications to identify the diagnostically most relevant region within the current ROI, thereby providing a diagnostically informed starting point for subsequent question-conditioned exploration. We further introduce an EviRegionSearch that starts question-conditioned exploration from this region, progressively accumulating question-relevant evidence and adaptively determining the next navigation action according to the remaining evidence requirement. Their iterative interaction enables PathPilot to sequentially explore across ROIs and magnifications until sufficient evidence is acquired. Extensive QA evaluations across five cohorts demonstrate consistent superiority over competing SOTA methods on inter/external cohorts, respectively, validating question-conditioned evidence acquisition across regions and magnifications that mirrors the sequential, knowledge-driven navigation of pathologists.
Abstract（参考訳）: WSIエージェントの診断能力は、効果的なスライドナビゲーションに依存し、診断関連領域を特定し、スライド全体にわたってエビデンスを効率的に統合する。臨床実践では、病理学者は複数のスケールにわたるスライドを動的に調べ、グローバルとセルの証拠を逐次的に統合するが、既存のAIナビゲーションアプローチは、主に1つの固定倍率で機能するか、事前に定義された倍率トラバースに依存している。このミスマッチは、既存の手法が、実際の診断ワークフローに固有の相互拡大相互作用や適応的な拡大選択をモデル化するのを防ぐ。 PathPilotは臨床的に一貫した多磁化WSIナビゲーションエージェントであり、多磁化局所化とエビデンス適応探索を明示的にモデル化する。具体的には、病理医の観察行動から拡大性特異的な診断位置を学習し、隣接する拡大性から情報を統合して、現在のROI内の診断上最も関連性の高い領域を識別し、その後の質問条件探索の出発点を提供するCrossMagLocを紹介した。さらに,この領域から質問条件付き探索を開始し,質問関連証拠を段階的に蓄積し,残りの証拠要件に従って次のナビゲーション動作を適応的に決定するEviRegionSearchを導入する。その反復的な相互作用により、PathPilotは十分な証拠が取得されるまで、ROIと倍率を連続的に探索することができる。 5つのコホートにまたがる広範囲なQA評価は, 相互・外部コホート上でのSOTA法よりも一貫した優位性を示し, 地域間での質問条件付証拠の取得と, 病理学者の逐次的, 知識駆動ナビゲーションを反映した拡大を検証した。

関連論文リスト

Anchor-driven Multi-modal Multi-scale Expert Selection for Survival Prediction [88.75611734671661]
生存予測のためのアンカー駆動型マルチモーダル・マルチスケールエキスパート選択(AM$2$ES)フレームワークを提案する。具体的には,Anchor-driven Multi-modal Fusion (AMF)モジュールについて述べる。この整列したセマンティック空間に基づいて、階層的確率的選択プロセスを切り離すために階層的混合(H-MoE)選択モジュールを更に設計する。
論文参考訳（メタデータ） (2026-10-06T03:32:37Z)
Agentic Visual Reasoning in Whole-Slide Pathology Images via Active Perception [30.71594045045451]
全スライディングの視覚的推論は、ギガピクセルスライドでスパース診断の証拠を特定する必要がある。本稿では、WSIの証拠取得をシーケンシャルな意思決定として定式化するアクティブパーセプションフレームワークであるAdaptivePathを紹介する。
論文参考訳（メタデータ） (2026-08-09T11:45:12Z)
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)
NaviRAG: Towards Active Knowledge Navigation for Retrieval-Augmented Generation [50.16741209529908]
NaviRAGは、パッシブセグメント検索からアクティブな知識ナビゲーションに移行する新しいフレームワークである。 NaviRAGは従来のRAGベースラインよりも検索リコールとエンドツーエンドの応答性能を一貫して改善することを示す。
論文参考訳（メタデータ） (2026-04-14T14:07:01Z)
MMNavAgent: Multi-Magnification WSI Navigation Agent for Clinically Consistent Whole-Slide Analysis [33.71496118045585]
近年のAIナビゲーション手法は、空間探索をモデル化し、診断関連領域を選択することにより、WSI(Whole-Slide Image)の診断を改善することを目的としている。臨床実践では、病理医は複数の倍率のスライドを検査し、必要な尺度のみを選択的に検査する。このミスマッチは、既存の手法が交叉磁化相互作用や適応倍率選択をモデル化するのを防ぐ。
論文参考訳（メタデータ） (2026-03-02T17:02:44Z)
PathReasoning: A multimodal reasoning agent for query-based ROI navigation on whole-slide images [12.145046046646215]
We propose "PathReasoning", a multi-modal reasoning agent that repeaterative navigate across Whole Slide Images (WSIs)。 PathReasoningは、診断関連分野に徐々に注意を向ける推論チェーンを構築している。サブタイプおよび縦断解析タスクにおいて、AUROCの6.7%と3.1%の強いROI選択アプローチを大幅に上回ることができる。
論文参考訳（メタデータ） (2025-11-26T20:44:17Z)
RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文参考訳（メタデータ） (2025-09-24T10:36:14Z)
CPathAgent: An Agent-based Foundation Model for Interpretable High-Resolution Pathology Image Analysis Mimicking Pathologists' Diagnostic Logic [23.488576700623966]
我々は、病理医の診断ワークフローを模倣する革新的なエージェントベースのアプローチであるCPathAgentを紹介する。我々は、パッチレベル、リージョンレベル、WSIレベルの機能を単一のモデルに統合するマルチステージトレーニング戦略を開発します。 PathMMU-HR2は、大規模領域分析のための最初のエキスパート検証ベンチマークである。
論文参考訳（メタデータ） (2025-05-26T20:22:19Z)
Polar-Net: A Clinical-Friendly Model for Alzheimer's Disease Detection in OCTA Images [53.235117594102675]
オプティカルコヒーレンス・トモグラフィーは、網膜微小血管の画像化によってアルツハイマー病(AD)を検出するための有望なツールである。我々はPolar-Netと呼ばれる新しいディープラーニングフレームワークを提案し、解釈可能な結果を提供し、臨床上の事前知識を活用する。 Polar-Netは既存の最先端の手法よりも優れており,網膜血管変化とADとの関連性について,より貴重な病理学的証拠を提供する。
論文参考訳（メタデータ） (2023-11-10T11:49:49Z)

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。