論文の概要: Knowledge-structured and evidence-aware semantic self-distillation for glomerular pathology foundation model
- arxiv url: http://arxiv.org/abs/2610.38346v1
- Date: Wed, 28 Oct 2026 06:42:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.395679
- Title: Knowledge-structured and evidence-aware semantic self-distillation for glomerular pathology foundation model
- Title（参考訳）: 糸球体病理基盤モデルのための知識構造とエビデンスを考慮した意味的自己蒸留
- Abstract要約: GloSAGEは、病理学の記述のための意味的な自己蒸留フレームワークである。
これは、事前訓練された視覚教師によって予測される病変プロファイルを使用して、構造化された病理記述を構築する。
ゼロショット病変認識、画像テキスト検索、ハードネガティブ識別、コンセプト・インターベンション分析をサポートする。
- 参考スコア（独自算出の注目度）: 31.437225356861372
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Visual foundation models learn rich pathological morphology but lack explicit concept-level supervision. Vision--language pretraining can provide this supervision but requires costly image--text pairs. Here, we introduce GloSAGE, a semantic self-distillation framework that uses lesion profiles predicted by a pretrained visual teacher to construct structured pathology descriptions. Reliability-guided selection identifies image--text anchors, while Knowledge-Structured Pathology Text Synthesis and Evidence-Guided Negative-pair Construction account for partially observed lesions. Image--text alignment trains projection layers while retaining the frozen visual encoder; an intermediate Semantic Transfer Layer supplies features for downstream tasks. Developed on GloMillion and evaluated across seven glomerulus- and case-level cohorts, GloSAGE supported zero-shot lesion recognition, image--text retrieval, hard-negative discrimination and concept-intervention analyses. It outperformed its source visual model in most lesion-recognition tasks and improved lesion grading, while supporting competitive case-level disease classification, injury grading and baseline renal function estimation. Ablations supported the combined contributions of knowledge-structured text and evidence-guided negatives, and the intermediate transfer layer improved mean lesion-recognition ROC-AUC relative to the complete projection output. A frozen language model conditioned on GloSAGE features generated glomerular descriptions. These findings suggest that teacher-derived lesion profiles can provide annotation-efficient semantic supervision for extending a glomerular visual foundation model.
- Abstract（参考訳）: 視覚基礎モデルは、豊かな病理形態学を学ぶが、概念レベルの明確な監督は欠如している。
ビジョン-言語による事前訓練は、この監視を提供するが、コストがかかるイメージ-テキストペアが必要である。
本稿では,事前学習した視覚教師が予測した病変プロファイルを用いて,構造的病理記述を構築する意味的な自己蒸留フレームワークであるGloSAGEを紹介する。
信頼性誘導選択は画像テキストアンカーを識別する一方、知識構造化された病理テキスト合成とエビデンス誘導負ペア構築は部分的に観察された病変を説明できる。
画像-テキストアライメントは、凍結したビジュアルエンコーダを保持しながらプロジェクション層を訓練する。
GloMillionで開発されたGloSAGEは, ゼロショット病変認識, 画像テキスト検索, 否定的識別, 概念介入分析をサポートした。
多くの病変認識タスクにおいて、元の視覚モデルよりも優れ、病変のグレードが向上し、競合するケースレベルの疾患分類、損傷グレード、ベースライン腎機能推定がサポートされた。
アブレーションは, 知識構造化テキストとエビデンス誘導負の複合的寄与を支持し, 中間転写層は全投影出力に対する平均病変認識ROC-AUCを改善した。
GloSAGEに条件付き凍結言語モデルは、生成されたグロメラー記述を特徴付ける。
これらの結果から,教師由来の病変プロファイルは,糸球体視覚基盤モデルを拡張するためのアノテーション効率の良いセマンティック・インテリジェンスを提供する可能性が示唆された。
関連論文リスト
- LUX: A Lesion-Aware Graph-Conditioned Visual - Language Architecture for Explainable Endoscopic Captioning [6.4112282834491765]
本稿では,LUX (Lesion-aware Unified eXplainable Casting) について紹介する。
LUXはGrad-CAMとCBAMのアクティベーションマップから病変中心のシーングラフを構築し、病理領域をノードとして表現する。
言語内容と病理的証拠の直接的な一致を提供し、トークンレベルの解釈可能性と関係推論をサポートする。
論文 参考訳（メタデータ） (2026-08-24T21:51:19Z) - EndoVLM: An Endoscopy Vision-Language Pre-training Model via Anatomy-Guided Sparsity and Progressive Alignment [15.371433625713232]
EndoVLMは348K以上の内視鏡検査で事前訓練された新しい視覚言語FMである。
Anatomy-Guided Sparse Poolingメカニズムは、テキスト記述をクエリとして利用してスパース注意を喚起する。
プログレッシブ・セマンティック・アウェア・アライメント・ストラテジー(Progressive Semantic-Aware Alignment Strategy)は、構造化されたソフトターゲットを介して臨床分類(解剖学と病理学)をモデル化する。
Semantic-Concentrated Masked Autoencoderは、これらのセマンティックリッチなフレームにのみ適用され、低レベルの視覚的精度と堅牢な高レベルのセマンティック表現を統合する。
論文 参考訳（メタデータ） (2026-08-05T05:56:41Z) - SAIL: Structure-Aware Interpretable Learning for Anatomy-Aligned Post-hoc Explanations in OCT [14.34264989195413]
深層学習(DL)は、OCTベースの網膜疾患検出において専門家レベルの精度を達成したが、その「黒い箱」の性質は、臨床応用の課題となっている。
既存のポストホックな説明可能なAI(XAI)メソッドは、きめ細かい病変構造を規定したり、解剖学的境界を尊重したり、ノイズを抑えるのに苦労することが多い。
本稿では、網膜解剖学の先行情報を表現レベルで統合し、それらを意味的特徴と結合する構造認識解釈学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-04T15:13:47Z) - Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification [59.24009931000134]
MVSL(Multi-View Synergistic Learning)は、適応パラダイム、表現の粒度、疾患の意味的関係に対処する統合フレームワークである。
MVSLは、視覚的およびテキスト的エンコーダの適応を分離し、それぞれの表現特性を尊重する。
さらに、グローバルなイメージセマンティクスと局所的な病変レベルの証拠の両方を明示的にモデル化するために、多粒性コントラスト学習を導入する。
MVSLは、いくつかのショットとゼロショットの分類設定において、最先端のメソッドを一貫して上回る。
論文 参考訳（メタデータ） (2026-04-27T02:41:27Z) - Structure Observation Driven Image-Text Contrastive Learning for Computed Tomography Report Generation [51.509572354327986]
本稿では,CTRG(Computed Tomography Report Generation)に適した新しい2段階(構造とレポートの学習)フレームワークを提案する。
第1段階では、CT画像中の対応する構造を学習可能な構造特異的な視覚的クエリーの集合を観察し、その結果として得られる観察トークンと、それに伴う放射線学レポートから抽出された構造特異的なテキスト特徴とを、構造的に画像テキストのコントラストロスとで対比する。
第2段階では、視覚構造クエリを凍結し、各解剖学的構造を描写したクリティカルイメージパッチ埋め込みを選択するために使用し、メモリ消費を低減しつつ、無関係領域からの注意を最小化する。
論文 参考訳（メタデータ） (2026-03-05T07:07:07Z) - 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) - From Classification to Cross-Modal Understanding: Leveraging Vision-Language Models for Fine-Grained Renal Pathology [9.268389327736735]
臨床的に現実的な数ショット問題として,細粒度糸球体サブタイプをモデル化した。
この条件下では、病理特化モデルと汎用視覚言語モデルの両方を評価する。
論文 参考訳（メタデータ） (2025-11-15T01:44:11Z) - Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。
本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。
SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
論文 参考訳（メタデータ） (2025-09-30T08:59:06Z) - Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。
脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。
パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
論文 参考訳（メタデータ） (2025-05-21T05:29:55Z) - From Gaze to Insight: Bridging Human Visual Attention and Vision Language Model Explanation for Weakly-Supervised Medical Image Segmentation [48.45209969191245]
視覚言語モデル(VLM)は、テキスト記述を通して意味的コンテキストを提供するが、説明精度は欠如している。
本稿では,その補完的強みを活かし,視線と言語指導を統合した教師教育フレームワークを提案する。
本手法は,8.78%,80.53%,84.22%のDiceスコアをそれぞれ達成し,アノテーション負担を増大させることなく視線ベースラインよりも3.5%向上した。
論文 参考訳（メタデータ） (2025-04-15T16:32:15Z)
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。