論文の概要: Predicting Ethanol Drinking Status from Nonhuman Primate Liver Histology: A Proof of Concept for Parameter-efficient Fine-tuning in Few-Shot Vision-Language Modeling
- arxiv url: http://arxiv.org/abs/2611.17105v1
- Date: Thu, 12 Nov 2026 17:02:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.562256
- Title: Predicting Ethanol Drinking Status from Nonhuman Primate Liver Histology: A Proof of Concept for Parameter-efficient Fine-tuning in Few-Shot Vision-Language Modeling
- Title(参考訳): 非ヒトプリメート肝組織学によるエタノール摂取状況の予測:Few-Shot Vision-Language Modelingにおけるパラメータ効率のよい微調整の概念の証明
- Abstract要約: 本研究は,非ヒト霊長類肝組織からエタノール摂取状況を予測するためのアプローチである。
評価されたPEFT構成はすべて、非PEFTベースラインよりも平均バランス精度が高い。
- 参考スコア(独自算出の注目度): 1.7942265700058986
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Combining vision-language models (VLMs) with parameter-efficient fine-tuning (PEFT) offers a promising approach to few-shot whole-slide image (WSI) classification in computational pathology. This study evaluates this approach for predicting ethanol drinking status from nonhuman primate liver histology. Adapters are evaluated against non-PEFT configurations on a subset of the Monkey Alcohol Tissue Research Resource (MATRR). All evaluated PEFT configurations achieve higher mean balanced accuracy than the non-PEFT baselines. For example, in the four-shot setting, attention-based multiple instance learning (ABMIL) alone achieves 43.5% mean balanced accuracy, compared with 78.1% after adding an adapter. Qualitative attention analysis shows that textual pathway adaptations produce localized attention heatmaps, while visual pathway adaptations produce more diffuse ones. A pathologist's review identified similar histological features across adaptations.
- Abstract(参考訳): 視覚言語モデル(VLM)とパラメータ効率細調整(PEFT)を組み合わせることで、計算病理学における少数ショット全スライディング画像(WSI)分類に有望なアプローチを提供する。
本研究は,非ヒト霊長類肝組織からエタノール摂取状況を予測するためのアプローチである。
モンキーアルコール組織研究資源(MATRR)のサブセットにおける非PEFT構成に対して、アダプタの評価を行う。
評価されたPEFT構成はすべて、非PEFTベースラインよりも平均バランス精度が高い。
例えば、4ショット設定では、アテンションベースの多重インスタンス学習(ABMIL)だけで43.5%の精度が達成され、アダプタを追加して78.1%となった。
定性的注意分析により、テキストパス適応は局所的な注意ヒートマップを生成するのに対し、ビジュアルパス適応はより拡散する。
病理学者のレビューでは、適応にまたがる類似した組織学的特徴が同定された。
関連論文リスト
- Description-Guided CLIP Adaptation with Local Evidence Calibration for Few-Shot Plant Disease Recognition [11.099326677339334]
そこで本研究では,少数ショット適応と一般化の問題に対処するため,記述誘導型2段階CLIP適応手法を提案する。
提案手法は,PlandVillage,Cassava,Pearのいくつかの設定において,最も高い平均精度を実現する。
論文 参考訳(メタデータ) (2026-11-12T06:40:54Z) - Comparative Performance and Parameter-Efficient Adaptation of DINOv2 for Active Trachoma Classification [0.0]
本研究では, UCSF/Lietmanコレクションから得られた1,546枚の画像を用いて, Trachomatous Inflammation-Follicular (TF) のバイナリ分類の制御評価を行った。
DINOv2 ViT-B/14に対する4つの軽量適応機構の評価を行った。
DINOv2とECAは91.66 +/-0.97%の精度、90.69 +/- 1.10%のマクロF1、96.06 +/- 0.71%のAUCを得た。
論文 参考訳(メタデータ) (2026-09-20T19:30:51Z) - PETA:Parameter-Efficient Test-Time Adaptation for Virtual Screening [49.976632553053285]
我々は,事前学習されたモデルをテスト時に直接適応するパラメータ効率のフレームワークであるPETAを提案する。
PETAは、分子拡散と化学的妥当性フィルタリングを通じてポケット特異な陰性を形成する。
ランク付け対象は、上位のスクリーニング結果が汚染される可能性のある、上位の無効候補の抑制に重点を置いている。
論文 参考訳(メタデータ) (2026-08-20T11:17:27Z) - ORViT-DR: Ordinally-Robust Hybrid ViT for Low-Resolution Diabetic Retinopathy Grading [0.0]
ハイブリッドディープラーニングフレームワークORViT-DRは、低解像度網膜画像からグレードする糖尿病網膜症を改善するために設計された。
提案手法は、畳み込み特徴抽出と変換器に基づくグローバルコンテキストモデリングを組み合わせたものである。
トレーニング戦略では、プログレッシブ層凍結、レイヤ単位の学習速度の減衰、指数移動平均(EMA)パラメータの更新、アンサンブルベースの予測が適用される。
論文 参考訳(メタデータ) (2026-08-16T16:35:07Z) - Personalized and Explainable Blood Pressure Estimation from PPG via Hybrid CNN--Morphological Features [1.2716195762843874]
持続カフレス血圧(BP)モニタリングは、パーソナライズされたヘルスケアに有望なソリューションを提供する。
既存の方法には2つの大きな制限がある。
本研究では,グローバルおよびローカルな動態を捉えた畳み込みネットワーク(CNN)ブランチと,人固有の血管特性を明示的に符号化した形態素優先の分岐を結合したBP推定のための生理学的誘導ハイブリッドフレームワークを提案する。
論文 参考訳(メタデータ) (2026-08-11T09:26:24Z) - ScAle: Attention Head Scaling as a Minimal Adapter for Spatial Reasoning in Vision Language Models [33.01358619125075]
我々は,スカラー係数の小さな集合を学習し,完全に凍結したバックボーン内の注意と活性化を調節する超軽量適応法ScAleを提案する。
提案手法は,LoRAなどの標準PEFT法のように,数百万のトレーニング可能なパラメータを必要とせずに,1Kのトレーニング可能なパラメータのみを用いて,最大134.1%の相対的精度向上を実現する。
論文 参考訳(メタデータ) (2026-06-28T19:48:39Z) - PEFT-Arena: Understanding Parameter-Efficient Finetuning from a Stability-Plasticity Perspective [52.693471818837395]
PEFTは安定性・塑性ジレンマにより評価されるべきである。
本稿では,下流性能と一般能力の維持を計測するベンチマークPEFT-Arenaを紹介する。
そこで本研究では,パスワイド巻き戻しによるポストホック改善の事例研究を行った。
論文 参考訳(メタデータ) (2026-05-27T17:59:51Z) - Unveiling and Bridging the Functional Perception Gap in MLLMs: Atomic Visual Alignment and Hierarchical Evaluation via PET-Bench [48.60251555171943]
MLLM(Multimodal Large Language Models)は、異常検出や解剖学的モダリティのレポート生成などのタスクにおいて、顕著な熟練性を示した。
本研究では, 機能的トレーサの生体分布を, 形態的先行性とは無関係に復号化できない現状の視覚エンコーダについて, 基本的な機能的知覚ギャップを定量化する。
PET-Benchは52,308個の階層型QAペアからなるPET-Benchの最初の大規模機能評価ベンチマークである。
AVAは認知ギャップを効果的に橋渡しし、CoTを幻覚源から頑健な推論ツールに変換し、診断を改善していることを示す。
論文 参考訳(メタデータ) (2026-01-06T05:58:50Z) - Lightweight MSA Design Advances Protein Folding From Evolutionary Embeddings [51.731441632457226]
マルチシークエンスアライメント(MSA)は低ホモロジーおよび孤児タンパク質で機能する。
我々は、下流の折り畳みをより良くサポートするMSAを生成する軽量なMSA設計フレームワークPLAMEを紹介する。
AlphaFold2の低ホモロジー/孤児ベンチマークでは、PLAMEは構造精度の最先端の改善を提供する。
論文 参考訳(メタデータ) (2025-06-17T04:11:30Z) - Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。
提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。
医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文 参考訳(メタデータ) (2024-03-19T09:28:19Z)
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。