論文の概要: HistoLoop: Iterative Contextual Inference with a Looped Transformer for Histology-Based Spatial Gene Expression Prediction

• arxiv url: http://arxiv.org/abs/2610.28339v1
• Date: Tue, 20 Oct 2026 15:05:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.877635
• Title: HistoLoop: Iterative Contextual Inference with a Looped Transformer for Histology-Based Spatial Gene Expression Prediction
• Title（参考訳）: HistoLoop: 空間的遺伝子発現予測のためのループ変換器を用いた反復的文脈推論
• Abstract要約: HistoLoopは、反復的文脈推論として予測を定式化するループ変換器である。 HistoLoopは、癌特異的な6つのタスクを比較した方法の中で、マクロ平均遺伝子ワイドピアソンの相関が最大である。
• 参考スコア（独自算出の注目度）: 9.924203216186816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Predicting spatial gene expression from H&E images offers a scalable complement to experimental spatial transcriptomics. However, despite progress in spatial context modeling, how to construct subsequent context from spot states updated by earlier contextual interactions remains underexplored. We introduce HistoLoop, a looped Transformer that formulates prediction as iterative contextual inference. At each refinement step, HistoLoop aggregates the current spot states into context tokens at the corresponding resolution, processes them with a shared spatial Transformer, and retrieves spot-specific contextual information through cross-attention. A memory-mediated update integrates this information into persistent spot states, which are then used to construct context at the next, finer resolution. Under the HEST-Bench HVG50 evaluation protocol, HistoLoop achieves the highest macro-averaged gene-wise Pearson correlation among the compared methods across six cancer-specific tasks spanning five organs in HEST-1K. Ablation studies support the importance of recurrent state refinement and reconstructing context from updated spot states at progressively finer resolutions. Expression-derived clustering further suggests that HistoLoop better captures spatially organized multigene patterns.
• Abstract（参考訳）: H&E画像からの空間遺伝子発現の予測は、実験空間転写学のスケーラブルな補完を提供する。 しかし、空間的文脈モデリングの進歩にもかかわらず、以前の文脈相互作用によって更新されたスポット状態から後続の文脈を構築する方法はまだ未検討のままである。 我々は、反復的文脈推論として予測を定式化するループ変換器HistoLoopを紹介する。 それぞれの改善ステップにおいて、HistoLoopは現在のスポット状態を対応する解像度でコンテキストトークンに集約し、共有空間変換器で処理し、クロスアテンションを通じてスポット固有のコンテキスト情報を取得する。 メモリを介する更新は、この情報を永続的なスポット状態に統合し、次により微細な解像度でコンテキストを構築するのに使用される。 HEST-Bench HVG50評価プロトコルの下で、HistoLoopは、HEST-1Kの5つの臓器にまたがる6つのがん特異的タスクを比較した方法のうち、マクロ平均的な遺伝子ワイドピアソン相関を達成している。 アブレーション研究は、段階的に微細な解像度で更新されたスポット状態からの繰り返し状態の洗練と再構成の重要性を支持する。 表現由来のクラスタリングはさらに、HistoLoopが空間的に整理されたマルチジェネティックパターンをよりよく捉えていることを示唆している。

関連論文リスト

• HistoGPA: A Context-Conditioned Gene-Prior Attention Framework for Histology-Based Spatial Gene Expression Prediction [15.110981735183913]
  HistoGPAは文脈条件付き遺伝子プライオリティアテンションフレームワークである。 それは、その局所形態、位置、およびスライドコンテキストを用いて、文脈適応された遺伝子優先情報を検索する。 がん関連遺伝子の空間的発現パターンを復元する。
  論文  参考訳（メタデータ） (2026-07-27T12:39:02Z)
• COAST: Context-Aware Differential Learning for Gene Expression Prediction in Spatial Transcriptomics [2.073620179775842]
  空間的遺伝子発現予測のための文脈認識型差分学習フレームワークCOASTを提案する。 COASTはTransformerエンコーダを使用してターゲットとコンテキストのスポットトークンを集約し、きめ細かいローカルパターンとスライドレベルの構造の両方をキャプチャする。 複数の空間トランスクリプトミクスデータセットの実験では、相関と分布に基づくメトリクスが一貫した改善が見られた。
  論文  参考訳（メタデータ） (2026-07-10T07:50:23Z)
• Cross-Subject Semantic Decoding with Shared-Space Alignment for Generalized Neural Representation Learning [80.18561652862725]
  被験者全体にわたる一般化は、侵襲的なニューラル記録において難しいままである。 本稿では,複数の被験者からの音声知覚に対するニューラル応答を共有潜在空間に整列させるクロスオブジェクトセマンティックデコーディングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-03T03:59:16Z)
• Learning from Gene Names, Expression Values and Images: Contrastive Masked Text-Image Pretraining for Spatial Transcriptomics Representation Learning [2.234171233882506]
  CoMTIPはContrastive Masked Text-Image Pretrainingフレームワークである。 画像、遺伝子名、表現値から学習し、空間転写学の微粒な視覚的コンテキストをキャプチャする。 CoMTIPは、様々な下流タスクにおける従来の手法を超えるだけでなく、ゼロショットの遺伝子発現予測も達成している。
  論文  参考訳（メタデータ） (2025-09-21T03:05:17Z)
• PICASO: Permutation-Invariant Context Composition with State Space Models [98.91198288025117]
  State Space Models (SSM) は、コンテキストのデータベースを固定次元の状態にマッピング可能にすることで、有望なソリューションを提供する。 本研究では,SSM力学から導かれる単純な数学的関係を,生のコンテキストトークンの連結効果を効率的に近似する複数の状態に構成する。 我々は,WikiText と MSMARCO をゼロショットと微調整の両方で評価し,平均5.4倍のスピードアップを楽しみながら最強の演奏ベースラインと一致できることを示す。
  論文  参考訳（メタデータ） (2025-02-24T19:48:00Z)
• Boundary-Guided Learning for Gene Expression Prediction in Spatial Transcriptomics [7.763803040383128]
  本稿では,病理画像から抽出した境界情報を手がかりとして,BG-TRIPLEXというフレームワークを提案する。 我々のフレームワークはピアソン相関係数(PCC)で既存の手法を一貫して上回っている 本手法は,WSIと遺伝子発現の複雑な相互作用を理解する上で,境界機能の重要性を強調している。
  論文  参考訳（メタデータ） (2024-12-05T11:09:11Z)
• SpaRED benchmark: Enhancing Gene Expression Prediction from Histology Images with Spatial Transcriptomics Completion [2.032350440475489]
  我々は,26の公開資料から収集した体系的にキュレートされ,処理されたデータベースについて述べる。 また、欠落した遺伝子発現を推測する技術として、最先端のトランスフォーマーベースの補完手法を提案する。 我々の貢献は、これまででもっとも包括的な組織像からの遺伝子発現予測のベンチマークとなっている。
  論文  参考訳（メタデータ） (2024-07-17T21:28:20Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• RegaVAE: A Retrieval-Augmented Gaussian Mixture Variational Auto-Encoder for Language Modeling [79.56442336234221]
  可変オートエンコーダ(VAE)に基づく検索拡張言語モデルであるRegaVAEを紹介する。 テキストコーパスを潜在空間にエンコードし、ソースとターゲットの両方のテキストから現在と将来の情報をキャプチャする。 各種データセットに対する実験結果から,テキスト生成品質と幻覚除去の大幅な改善が示された。
  論文  参考訳（メタデータ） (2023-10-16T16:42:01Z)
• GSMFlow: Generation Shifts Mitigating Flow for Generalized Zero-Shot Learning [55.79997930181418]
  Generalized Zero-Shot Learningは、目に見えないクラスから見えないクラスに意味的な知識を移すことで、目に見えないクラスと見えないクラスの両方から画像を認識することを目的としている。 生成モデルの利点を生かして、見学したクラスから学んだ知識に基づいて、現実的な見知らぬサンプルを幻覚させることは、有望な解決策である。 本研究では,複数の条件付きアフィン結合層からなるフローベース生成フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-05T04:04:37Z)

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。