論文の概要: Towards Scalable Diagnostic-Driven Whole-Slide Image Retrieval for Pathology Archives
- arxiv url: http://arxiv.org/abs/2611.07935v1
- Date: Thu, 05 Nov 2026 12:38:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.683752
- Title: Towards Scalable Diagnostic-Driven Whole-Slide Image Retrieval for Pathology Archives
- Title（参考訳）: 病的アーカイブのためのスケーラブルな診断駆動全スライド画像検索に向けて
- Abstract要約: 我々は, CLEAR-WSIを, 公衆および臨床データの両面から検証した, スケーラブルで, 診断駆動型スライド検索フレームワークとして提示する。
CLEAR-WSIは、検索設定に応じて、予測された診断ラベルまたは接地構造ラベルを持つ検索候補を精査し、その後、拡張メモリバンクに新たな処理ケースを追加し、検索アーカイブを経時的に拡大させる。
CAMELYON16 (3.10), BRACS-1 (2.75), をベースとして, CLEAR-WSIは4つの検索タスクを表す2つのパブリックおよび1つのプライベート臨床データセットからなる総合的なベンチマークで, 評価ベースラインよりもPrecision@5を改善した。
- 参考スコア（独自算出の注目度）: 3.722865448915925
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing adoption of digital pathology has rapidly expanded collections of hematoxylin-and-eosin whole-slide images, yet efficient navigation through these archives remains challenging, as metadata is often inconsistent or unavailable. Content-based image retrieval addresses this challenge by identifying similar cases directly from visual representations instead of manual annotations or metadata. Existing retrieval systems have demonstrated promising performance but largely rely on handcrafted indexing pipelines and predefined sampling strategies, constraining scalability and generalization. Here, we present CLEAR-WSI (Constant-Length Embedding for Automatic Retrieval of Whole-Slide Images) as a scalable, diagnostic-driven slide-retrieval framework, validated on both public and clinical data. Using a fixed-length slide embedding, CLEAR-WSI refines retrieved candidates with either a predicted diagnostic label or the ground-truth label, depending on the retrieval setting. Newly processed cases are subsequently added to the expanding memory bank, allowing the retrieval archive to grow over time. On a comprehensive benchmark consisting of two public and one private clinical datasets representing four retrieval tasks, CLEAR-WSI improves Precision@5 over the strongest evaluated baseline, with gains on CAMELYON16 (3.10), BRACS-1 (2.75), BRACS-2 (1.95), and X-HER2 (3.75). Additional ablation and latency studies further examine the contribution of each component and highlight its potential for scalable deployment.
- Abstract（参考訳）: デジタル病理学の普及により、ヘマトキシリンとエオシンの全スライディング画像のコレクションが急速に拡大したが、メタデータが矛盾したり利用できない場合が多いため、これらのアーカイブを通した効率的なナビゲーションは困難である。
コンテンツベースの画像検索はこの課題に対処し、手動のアノテーションやメタデータの代わりに視覚的な表現から直接類似のケースを識別する。
既存の検索システムは有望な性能を示しているが、主に手作りのインデックスパイプラインと事前定義されたサンプリング戦略、スケーラビリティと一般化に依存している。
本稿では, CLEAR-WSI (Constant-Length Embedding for Automatic Retrieval of Whole-Slide Images) を, 大規模かつ診断駆動型スライド検索フレームワークとして提案する。
CLEAR-WSIは、固定長スライド埋め込みを用いて、検索設定に応じて、予測された診断ラベルまたは接地真実ラベルを持つ検索候補を精査する。
その後、新たな処理されたケースが拡張メモリバンクに追加され、検索アーカイブが時間とともに成長する。
CAMELYON16 (3.10)、BRACS-1 (2.75)、BRACS-2 (1.95)、X-HER2 (3.75)の2つの公開および1つの民間臨床データセットからなる包括的なベンチマークでは、CLEAR-WSIは最も評価の高いベースラインよりもPrecision@5を改善している。
追加のアブレーションとレイテンシ調査では、各コンポーネントのコントリビューションをさらに検討し、スケーラブルなデプロイメントの可能性を強調している。
関連論文リスト
- An Automated Multimodal Glaucoma Detection Framework Using ViT and a Stacking-Based Ensemble [2.5937996810126407]
緑内障は進行性眼疾患であり、早期に検出されない場合、不可逆的な視力喪失を引き起こす可能性がある。
本研究は, 緑内障検診において, 試料検診と患者検診の2つの評価条件について検討した。
基礎画像と臨床データを統合する自動マルチモーダルフレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-02T18:33:04Z) - DocRetriever: A Plug-and-Play Framework for Multimodal Document Retrieval with Comprehensive Benchmark [48.84943754804533]
マルチモーダル文書には、テーブル、フィギュア、レイアウトなど、さまざまな要素が含まれている。
現在のアプローチでは、高精度の検索を実現するために、高密度の視覚埋め込みモデルと教師付きリランカを組み合わせるのが一般的である。
本稿では,レイアウトを意識したスパース埋め込み技術による視覚検索を支援するプラグイン・アンド・プレイフレームワークDocRetrieverを提案する。
論文 参考訳（メタデータ） (2026-05-28T14:50:53Z) - MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。
我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
論文 参考訳（メタデータ） (2026-03-12T07:37:00Z) - 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) - Crane: Context-Guided Prompt Learning and Attention Refinement for Zero-Shot Anomaly Detection [50.343419243749054]
異常検出は、医学診断や工業的欠陥検出などの分野において重要である。
CLIPの粗粒化画像テキストアライメントは、微粒化異常に対する局所化と検出性能を制限する。
クレーンは最先端のZSADを2%から28%に改善し、画像レベルとピクセルレベルの両方で、推論速度では競争力を維持している。
論文 参考訳（メタデータ） (2025-04-15T10:42:25Z) - A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。
我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。
がんのステージングと生存予測の課題に強いパフォーマンスを示す。
論文 参考訳（メタデータ） (2025-03-14T20:15:04Z) - RadIR: A Scalable Framework for Multi-Grained Medical Image Retrieval via Radiology Report Mining [64.66825253356869]
本稿では,複数の粒度で画像の類似度を決定するために,高密度ラジオロジーレポートを利用した新しい手法を提案する。
我々は、胸部X線用MIMIC-IRとCTスキャン用CTRATE-IRの2つの総合的な医用画像検索データセットを構築した。
RadIR-CXR と Model-ChestCT という2つの検索システムを開発し,従来の画像画像検索と画像レポート検索に優れた性能を示す。
論文 参考訳（メタデータ） (2025-03-06T17:43:03Z) - Efficient Medical Image Retrieval Using DenseNet and FAISS for BIRADS Classification [0.0]
本稿では,DenseNetとFAISSを用いた医用画像検索手法を提案する。
DenseNetは複雑な医療画像の特徴抽出に適している。
FAISSは大規模データセットにおける高次元データの効率的な処理を可能にする。
論文 参考訳（メタデータ） (2024-11-03T08:14:31Z) - Analysis and Validation of Image Search Engines in Histopathology [1.2431249807060922]
全スライド画像(WSI)は、ガラススライドに装着された組織標本の詳細なデジタル表現である。
WSI と WSI のマッチングは、患者マッチングのクリティカルな方法として機能する。
視覚単語袋(BoVW)、ヨッティクセル(Yottixel)、SISH(SISH)、RetCCL(RetCCL)など4種類の検索手法の広範な解析と検証を行った。
論文 参考訳（メタデータ） (2024-01-06T18:17:55Z) - Semi-supervised lung nodule retrieval [2.055949720959582]
コンテンツベース画像検索(CBIR)システムは、クエリ画像と類似度でランク付けされた一連の画像を出力する。
データセット要素間の類似性(例えばnodules間の類似性)に関する基礎的な真実は、容易には利用できない。
本研究は,(1)部分ラベル付きデータセットの自動アノテーション,(2)述語アノテーションに基づく意味的類似度距離空間の学習,という2つのステップを含む半教師付きアプローチを提案する。
LIDCデータセットを用いて肺結節検索を行い,予測された評価値から埋め込みを学習することが可能であることを示す。
論文 参考訳（メタデータ） (2020-05-04T19:26:14Z)
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。