論文の概要: Biological Congruence: Evaluating Microscopy Generation Across Representations
- arxiv url: http://arxiv.org/abs/2611.01850v1
- Date: Sun, 01 Nov 2026 12:43:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 14:32:12.266381
- Title: Biological Congruence: Evaluating Microscopy Generation Across Representations
- Title（参考訳）: 生体共役 : 表現の横断的な顕微鏡生成の評価
- Abstract要約: 生成モデルは、より現実的な顕微鏡画像を生成する傾向にあるが、従来の評価では、合成データで表される生物学的情報よりも、視覚的忠実度と分布的カバレッジを特徴付ける。
本稿では,生物学的関連情報が表現のコヒーレントな記述を形成し,その経験的生物学的文脈と一致しているかどうかを評価するための評価原則として生物学的コングルエンスを紹介した。
これらの結果から, 生成性, 制御性, 相互表現性, 人口密度が相補的特性を捉え, 科学的生成モデルを評価するためのリレーショナル視点として生物学的コングルエンスを動機付けていることが示唆された。
- 参考スコア（独自算出の注目度）: 7.827410542304658
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Generative models increasingly produce realistic microscopy images, yet conventional evaluation primarily characterizes visual fidelity and distributional coverage rather than the biological information represented by synthetic data. We introduce biological congruence as an evaluation principle describing whether biologically relevant information forms a coherent description across representations and remains consistent with its empirical biological context. To study this principle, we develop a text-conditioned diffusion framework that jointly generates microscopy images and instance masks, exposing the same generated biological state through conditioning, visual appearance, and instance structure. Across prompt--mask, prompt--image, image--mask, and population-level analyses, we find strongly feature-dependent behavior: density and confluency are consistently preserved, morphology exhibits recurrent disagreement, while nearest-neighbor distance reveals that strong image--mask agreement can coexist with weaker conditioning and population fidelity. Stress testing increasingly unsupported phenotype combinations further shows that target controllability can increase while untargeted phenotypes reorganize and the complete generated state moves toward configurations better supported by real data. These findings demonstrate that generative quality, controllability, cross-representation agreement, and population fidelity capture complementary properties, motivating biological congruence as a relational perspective for evaluating scientific generative models.
- Abstract（参考訳）: 生成モデルは、より現実的な顕微鏡画像を生成する傾向にあるが、従来の評価では、合成データで表される生物学的情報よりも、視覚的忠実度と分布的カバレッジを特徴付ける。
本稿では,生物学的関連情報が表現のコヒーレントな記述を形成し,その経験的生物学的文脈と一致しているかどうかを評価するための評価原則として生物学的コングルエンスを紹介した。
この原理を考察するため、我々は、顕微鏡画像とインスタンスマスクを共同で生成し、条件付け、視覚的外観、インスタンス構造を通じて同じ生物状態を露呈するテキスト条件拡散フレームワークを開発した。
人口密度と合流度は一貫して維持され、モルフォロジーは反復的な不一致を示す一方、近接する距離では、強いイメージ-マスク合意は、より弱い条件や人口の忠実さと共存しうることが示される。
ストレステストがますます支持される表現型の組み合わせは、未ターゲットの表現型が再編成され、完全な生成状態が実際のデータによりよりサポートされた構成へと移行する一方で、ターゲットの制御可能性を高めることをさらに示している。
これらの結果から, 生成性, 制御性, 相互表現性, 人口密度が相補的特性を捉え, 科学的生成モデルを評価するためのリレーショナル視点として生物学的コングルエンスを動機付けていることが示唆された。
関連論文リスト
- BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。
学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。
CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
論文 参考訳（メタデータ） (2026-08-06T11:58:29Z) - MMBU: A Massive Multi-modal Biomedical Understanding Benchmark to Probe the Perception Capabilities of Vision-Language Models [83.50100003741628]
ビジョンと言語モデル(VLM)は、バイオメディカルイメージングを変革する大きな可能性を秘めている。
本稿では,MMBU(Massive Multimodal Biomedical Understanding)ベンチマークを紹介する。
今までで最大のビジョンと言語ベンチマークで、35のサブモダリティと豊富な構造化メタデータをカバーしている。
論文 参考訳（メタデータ） (2026-06-04T20:24:47Z) - PathAR: Structure-First Autoregressive Synthesis of Multimodal Pathology Images [51.428093790826814]
そこで我々は, モーダリティ・ラベル条件付き病理モデル (PathAR) を用いて, 構造と外観を分解し, 自己回帰モデル(PathAR)を提案する。
PathARは、不均一なモダリティ固有の外観下で形態を安定化し、空間的に整列したイメージマスクペア生成を可能にする。
論文 参考訳（メタデータ） (2026-06-01T01:43:48Z) - 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) - Automatic Image-Level Morphological Trait Annotation for Organismal Images [11.844505008466884]
本稿では,正規分布領域をローカライズし,視覚言語プロンプトを用いて解釈可能な特徴記述を生成する特徴アノテーションパイプラインを提案する。
我々は,BioSCAN-5Mから19Kの昆虫画像にまたがる80K特性アノテーションのデータセットであるBioscan-Traitsを構築した。
論文 参考訳（メタデータ） (2026-04-02T04:55:52Z) - Flow Matching Meets Biology and Life Science: A Survey [65.2146737141455]
拡散に基づく生成モデリングの強力な代替手段としてフローマッチングが登場した。
本稿では,フローマッチングの最近の進歩とその生物学的領域への応用に関する包括的調査について述べる。
論文 参考訳（メタデータ） (2025-07-23T17:44:29Z) - A Cross Modal Knowledge Distillation & Data Augmentation Recipe for Improving Transcriptomics Representations through Morphological Features [2.240470404069435]
本稿では,顕微鏡画像から知識を抽出し,転写学を強化する枠組みを提案する。
本手法は,弱対データを用いてモダリティを調整・結合し,遺伝子発現表現と形態情報とを融合させる。
これらの戦略は予測力を向上し、転写学の解釈可能性を維持し、複雑な生物学的タスクに対する豊富な単項表現を可能にする。
論文 参考訳（メタデータ） (2025-05-27T15:15:34Z) - Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。
主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。
実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - Diff-Def: Diffusion-Generated Deformation Fields for Conditional Atlases [13.990172734802286]
条件付きアトラスは、人口統計学や病理学のような特定の条件によって定義された特定のサブ人口をターゲットにしている。
既存のアプローチでは、大きな解剖学的変異を処理できない場合が多い登録ベースの方法のいずれかを使用している。
本稿では, 潜在拡散モデルを用いて変形場を生成し, 一般集団アトラスを特定のサブ集団を表すものに変換することを提案する。
論文 参考訳（メタデータ） (2024-03-25T13:52:48Z)
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。