Mixture-of-Experts 全スライド画像分類のためのリージョン・グラフ最適輸送ルーティング
arXiv cs.CV / 2026/4/9
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、ギガピクセル級の全スライド画像（WSI）分類におけるマルチプル・インスタンス・ラーニング（MIL）向けの、空間認識型Mixture-of-Experts（MoE）アグリゲータであるROAMを提案し、病理のヘテロジェネイティ（多様性）をより適切に扱うことを目的とする。
- ROAMは、キャパシティ制約付きのエントロピー最適輸送（Sinkhornにより実装）を用いて、空間（spatial）の領域トークンを専門サブネットワークへルーティングし、追加の負荷分散用損失項に頼らずに、専門家（エキスパート）の利用をバランス良く保つことを強制する。
- さらに、空間領域グラフ上でルーティング割当を拡散させるグラフ正則化付きSinkhorn反復を追加し、近傍の領域が同じエキスパートへ一貫してルーティングすることを促す。
- 4つのWSIベンチマークで、凍結した基盤モデルのパッチ埋め込み（foundation-model patch embeddings）を用いた実験の結果、ROAMは強力なMILおよびMoEのベースラインと競争力のある性能を示す。またTCGA-CPTACにおける外部NSCLC一般化AUCとして0.845 ± 0.019を報告している。
