CMILグレーディングのためのAIフレームワーク

Research Paper#Medical Imaging, Deep Learning, Computer Vision🔬 Research|分析: 2026年1月3日 19:46•
公開: 2025年12月27日 17:37
•
1分で読める
•ArXiv

分析

本論文は、結膜メラニン細胞上皮内病変（CMIL）のグレーディングのためのマルチタスク深層学習フレームワークであるINTERACT-CMILを紹介しています。このフレームワークは、治療とメラノーマの予測に不可欠なCMILの正確なグレーディングという課題に対処するため、5つの組織病理学的軸を共同で予測します。共有特徴学習、組み合わせ部分教師あり学習、およびタスク間の整合性を強化するための相互依存損失の使用が、重要な革新です。本論文の重要性は、CMIL診断の精度と一貫性を向上させる可能性にあり、再現可能な計算ベンチマークと標準化されたデジタル眼科病理学への一歩を提供します。
引用・出典
原文を見る
"INTERACT-CMIL achieves consistent improvements over CNN and foundation-model (FM) baselines, with relative macro F1 gains up to 55.1% (WHO4) and 25.0% (vertical spread)."
A
ArXiv2025年12月27日 17:37
* 著作権法第32条に基づく適法な引用です。
古い記事

Optimal Regulation of Nonlinear Input-Affine Systems via an Integral Reinforcement Learning-Based State-Dependent Riccati Equation Approach

新しい記事

Machine learning models for predicting catastrophe bond coupons using climate data

関連分析

Research Paper

SpaceTimePilot：空間と時間の制御による生成ビデオレンダリング

2026年1月3日 06:10

Research Paper

量子カオスハミルトニアン進化におけるランダム性生成

2026年1月3日 06:10

Research Paper

GaMO：幾何学認識拡散を用いた疎視点3D再構成

2026年1月3日 06:32

原文: ArXiv