論文の概要: AD-Reasoning: Multimodal Guideline-Guided Reasoning for Alzheimer's Disease Diagnosis
- arxiv url: http://arxiv.org/abs/2603.24059v1
- Date: Wed, 25 Mar 2026 08:07:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.203544
- Title: AD-Reasoning: Multimodal Guideline-Guided Reasoning for Alzheimer's Disease Diagnosis
- Title（参考訳）: AD-Reasoning: アルツハイマー病診断のためのマルチモーダルガイドライン誘導推論
- Authors: Qiuhui Chen, Yushan Deng, Xuancheng Yao, Yi Hong,
- Abstract要約: AD-Reasoning(AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning。
また、ADNI/AIBLから構築したガイドライン検証された有理数付き10,378ビジットマルチモーダルQAデータセットであるAD-MultiSenseをリリースする。
- 参考スコア（独自算出の注目度）: 5.108477490467764
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Alzheimer's disease (AD) diagnosis requires integrating neuroimaging with heterogeneous clinical evidence and reasoning under established criteria, yet most multimodal models remain opaque and weakly guideline-aligned. We present AD-Reasoning, a multimodal framework that couples structural MRI with six clinical modalities and a rule-based verifier to generate structured, NIA-AA-consistent diagnoses. AD-Reasoning combines modality-specific encoders, bidirectional cross-attention fusion, and reinforcement fine-tuning with verifiable rewards that enforce output format, guideline evidence coverage, and reasoning--decision consistency. We also release AD-MultiSense, a 10,378-visit multimodal QA dataset with guideline-validated rationales built from ADNI/AIBL. On AD-MultiSense, AD-Reasoning achieves state-of-the-art diagnostic accuracy and produces structured rationales that improve transparency over recent baselines, while providing transparent rationales.
- Abstract（参考訳）: アルツハイマー病(AD)の診断は、確立された基準の下で、神経画像と異質な臨床的証拠と推論を統合することを必要とするが、ほとんどのマルチモーダルモデルは不透明で、ガイドラインが弱いままである。
AD-Reasoning(AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning、AD-Reasoning。
AD-Reasoningは、モダリティ固有のエンコーダ、双方向のクロスアテンション融合、強化微調整を、出力フォーマット、ガイドラインエビデンスカバレッジ、推論-決定一貫性を強制する検証可能な報酬と組み合わせている。
また、ADNI/AIBLから構築したガイドライン検証された有理数付き10,378ビジットマルチモーダルQAデータセットであるAD-MultiSenseをリリースする。
AD-MultiSenseでは、AD-Reasoningは最先端の診断精度を達成し、最近のベースラインの透明性を改善しつつ、透明な合理性を提供する構造化された合理性を生成する。
関連論文リスト
- Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。
消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。
本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T07:47:37Z) - MRC-GAT: A Meta-Relational Copula-Based Graph Attention Network for Interpretable Multimodal Alzheimer's Disease Diagnosis [2.2399170518036913]
アルツハイマー病(英語: Alzheimer's disease, AD)は、早期かつ正確な診断を必要とする進行性神経変性疾患である。
近年の研究では、精度と信頼性を高めるためにコンピュータ支援診断モデルに注目が集まっている。
これらの制約を克服するために,AD分類タスクの効率的なマルチモーダルモデルとして,Meta-Relational Copula-Based Graph Attention Network (MRC-GAT)を提案する。
論文 参考訳（メタデータ） (2026-02-17T17:15:32Z) - RE-MCDF: Closed-Loop Multi-Expert LLM Reasoning for Knowledge-Grounded Clinical Diagnosis [11.973474883672282]
関係強化型多専門的臨床診断フレームワークRE-MCDFを提案する。
我々は,RE-MCDFが複雑な診断シナリオにおいて,最先端のベースラインを一貫して上回ることを示す。
論文 参考訳（メタデータ） (2026-02-01T15:53:27Z) - MedAD-R1: Eliciting Consistent Reasoning in Interpretible Medical Anomaly Detection via Consistency-Reinforced Policy Optimization [46.65200216642429]
我々はMedADの最初の大規模マルチモーダル・マルチセンタベンチマークであるMedAD-38Kを紹介し、構造化された視覚質問応答(VQA)ペアとともに、CoT(Chain-of-Thought)アノテーションを特徴付ける。
提案するモデルであるMedAD-R1は、MedAD-38Kベンチマーク上での最先端(SOTA)性能を実現し、強いベースラインを10%以上上回った。
論文 参考訳（メタデータ） (2026-02-01T07:56:10Z) - MMedExpert-R1: Strengthening Multimodal Medical Reasoning via Domain-Specific Adaptation and Clinical Guideline Reinforcement [63.82954136824963]
医療ビジョンランゲージモデルでは、現実世界のシナリオで必要とされる複雑な臨床推論を伴う知覚タスクが優れている。
本稿ではドメイン固有の適応とガイドライン強化を通じてこれらの課題に対処する新しい推論MedVLMを提案する。
論文 参考訳（メタデータ） (2026-01-16T02:32:07Z) - RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。
RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
論文 参考訳（メタデータ） (2025-09-24T10:36:14Z) - RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。
システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
論文 参考訳（メタデータ） (2025-06-17T03:10:33Z)
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。