論文の概要: Mitigating Spatial Blindness in Multiple Instance Learning for Whole-Slide Image Analysis

• arxiv url: http://arxiv.org/abs/2611.04337v1
• Date: Tue, 03 Nov 2026 05:23:23 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:51:31.810521
• Title: Mitigating Spatial Blindness in Multiple Instance Learning for Whole-Slide Image Analysis
• Title（参考訳）: 全スライディング画像解析のための複数インスタンス学習における空間的盲点の緩和
• Abstract要約: 全スライディング型複数インスタンス学習は、空間的組織を限定的に利用しながら、組織組成から診断および予後ラベルを予測することができる。 本稿では,グラフ残差を座標配置分離損失でトレーニングする前に,学習した合成予測器を凍結するResTopoMILを紹介する。 制御された空間的タスクにおいて、ステージドトレーニングは0.987のAUCを達成し、同じ共同訓練されたアーキテクチャでは0.684を達成した。
• 参考スコア（独自算出の注目度）: 34.13725919348522
• License:
• Abstract: Whole-slide multiple instance learning can predict diagnostic and prognostic labels from tissue composition while making limited use of spatial organization. Providing coordinates or a graph does not establish that a trained predictor uses tissue neighborhoods. We examine this gap as spatial blindness and hypothesize that early composition learning can weaken supervision of a spatial pathway. We introduce ResTopoMIL, which freezes a learned composition predictor before training a graph residual with a coordinate-reassignment separation loss. Permutation and information analyses distinguish architectural symmetry, available spatial information and the proposed optimization mechanism. On a controlled spatial task, staged training achieved an AUC of 0.987, compared with 0.684 for the same jointly trained architecture. Performance remained high on a composition-only task. Across four WSI classification and five survival benchmarks, ResTopoMIL improved mean primary performance on eight tasks; four improvements remained significant after Holm-adjusted patient-cluster tests. Coordinate-free residual controls recovered some of the gains, while neighborhood destruction reduced performance close to the composition anchor. Neighborhood-preserving transformations and anatomy-stratified perturbations further characterized this dependence. These results support fixing a composition reference as a practical intervention for learning spatial corrections, while retaining additional appearance capacity as a contributing explanation.
• Abstract（参考訳）: 全スライディング型複数インスタンス学習は、空間的組織を限定的に利用しながら、組織組成から診断および予後ラベルを予測することができる。 座標やグラフを提供することは、訓練された予測器が組織近傍を使用することを証明しない。 このギャップを空間的盲点として検討し、初期構成学習が空間的経路の監督を弱めると仮定する。 本稿では,グラフ残差を座標配置分離損失でトレーニングする前に,学習した合成予測器を凍結するResTopoMILを紹介する。 置換と情報解析は、アーキテクチャ対称性、利用可能な空間情報、提案した最適化メカニズムを区別する。 制御された空間的タスクにおいて、ステージドトレーニングは0.987のAUCを達成し、同じ共同訓練されたアーキテクチャでは0.684を達成した。 性能は作曲のみの作業で高く保たれていた。 4つのWSI分類と5つの生存ベンチマークで、ResTopoMILは8つのタスクにおける平均一次性能を改善した。 コーディネートフリーの残留制御は幾らかの利得を回復させ、一方近隣の破壊はコンポジションアンカーに近い性能を低下させた。 近傍保存変態と解剖学的層状摂動は、さらにこの依存性を特徴づけた。 これらの結果は,空間的補正の実践的介入としての作曲基準の修正を支援するとともに,追加的な外観能力の維持を寄与する説明として支援する。

関連論文リスト

• Novel Methods for Catheter and Guidewire Segmentation in X-ray Fluoroscopy under a Federated Learning Setting [0.02476301982486699]
  本論文は,カテーテルおよびガイドワイヤ解析のための構造認識型フェデレーション学習フレームワークを提案する。 ベンチマークデータセットであるCathActionは、60,000以上の注釈付きフレームと40,000のセグメンテーションマスクを備えたカテーテル分析のために導入された。 形状に敏感な損失は、マスクを構造的特徴空間と比較して符号付き距離マップに変換し、5つのバックボーンで最大2.9ポイントのDice係数を改善する。 予測勾配勾配に基づくフェデレート学習は、対向最適化を付加し、実際のアニマルデータ上で平均交点を10ポイント以上引き上げる。
  論文  参考訳（メタデータ） (2026-09-06T23:44:27Z)
• From Concentration to Differentiation and Back: Routing Effective Rank in MoE Reasoning Cohorts [61.695980784491475]
  テストタイムスケーリングは、推論ロールアウトのコホートを生成するが、推論が展開するにつれて内部計算がどのように再編成されるかについて、標準的なラベルのない説明はない。 本稿では,MoEの専門家による類似性から構築したクロスロールアウトグラフのエントロピー有効次元性であるルーティング有効ランクデフを導入する。
  論文  参考訳（メタデータ） (2026-09-06T05:43:22Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• When Fine-Tuning Changes the Evidence: Architecture-Dependent Semantic Drift in Chest X-Ray Explanations [5.127836966483091]
  医用画像分類において, 転帰学習と微調整は, 診断性能が一貫した向上により広く採用されている。 重なり合う視覚的特徴を持つ多クラス設定では、精度の向上は、予測をサポートするために使用される視覚的証拠の安定性を保証するものではない。 我々は,意味的ドリフトを,伝達学習とフル微調整の間のモデルの予測を支援する帰属構造における体系的な変化として定義する。
  論文  参考訳（メタデータ） (2026-04-09T17:53:02Z)
• Prompt-Guided Patch UNet-VAE with Adversarial Supervision for Adrenal Gland Segmentation in Computed Tomography Medical Images [0.3437656066916039]
  CT画像における副腎などの小さな腹部臓器は、厳密な階級不均衡、空間的状況の悪化、限られた注釈付きデータによる永続的な課題である。 本稿では,これらの制約を原則的かつスケーラブルに対処するために,変分再構成,教師付きセグメンテーション,および逆パッチベースのフィードバックを組み合わせた統合フレームワークを提案する。 本研究は,小組織セグメンテーションにおけるハイブリッド世代別訓練体制の有効性を明らかにするとともに,データ共有シナリオにおける現実性,多様性,解剖学的整合性のバランスに関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-09-03T10:18:06Z)
• Affinity-Graph-Guided Contractive Learning for Pretext-Free Medical Image Segmentation with Minimal Annotation [55.325956390997]
  本稿では,医用画像セグメンテーションのための親和性グラフ誘導半教師付きコントラスト学習フレームワーク(Semi-AGCL)を提案する。 このフレームワークは、まず、ロバストな初期特徴空間を提供する平均パッチエントロピー駆動のパッチ間サンプリング法を設計する。 完全アノテーションセットの10%に過ぎず, 完全注釈付きベースラインの精度にアプローチし, 限界偏差は2.52%に過ぎなかった。
  論文  参考訳（メタデータ） (2024-10-14T10:44:47Z)
• Contrastive and Selective Hidden Embeddings for Medical Image Segmentation [25.80192874762209]
  医用画像セグメンテーションのための対照的な学習ベース重み事前トレーニングを提案する。 不確実性を考慮した特徴選択ブロック(UAFS)と呼ばれる新しい構造は、少数機能による学習目標シフトを処理するように設計されている。 6つのドメインから8つのパブリックデータセットにまたがって、最先端の結果が得られます。
  論文  参考訳（メタデータ） (2022-01-21T16:52:19Z)
• Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
  本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。 畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。 この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-03T19:24:25Z)
• Semi-supervised Contrastive Learning with Similarity Co-calibration [72.38187308270135]
  SsCL(Semi-supervised Contrastive Learning)と呼ばれる新しいトレーニング戦略を提案する。 ssclは、自己教師付き学習におけるよく知られたコントラスト損失と、半教師付き学習におけるクロスエントロピー損失を組み合わせる。 SsCLはより差別的な表現を生じさせ,ショット学習に有益であることを示す。
  論文  参考訳（メタデータ） (2021-05-16T09:13:56Z)
• Structured Consistency Loss for semi-supervised semantic segmentation [1.4146420810689415]
  整合性喪失は、半教師付き学習の最近の研究において、問題解決において重要な役割を担っている。 本稿では,既存の研究の限界に対処する構造的整合損失を提案する。 我々は,セマンティックセグメンテーションにおける最先端の半教師あり学習の優位性を初めて提示する。
  論文  参考訳（メタデータ） (2020-01-14T07:08:45Z)

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。