論文の概要: Guideline2Graph: Profile-Aware Multimodal Parsing for Executable Clinical Decision Graphs
- arxiv url: http://arxiv.org/abs/2604.02477v1
- Date: Thu, 02 Apr 2026 19:21:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 17:20:24.182373
- Title: Guideline2Graph: Profile-Aware Multimodal Parsing for Executable Clinical Decision Graphs
- Title（参考訳）: Guideline2Graph: Executable Clinical Decision Graphsのためのプロファイル対応マルチモーダルパーシング
- Abstract要約: 完全ガイドラインの証拠を実行可能な臨床判定グラフに変換する分解第一パイプラインを提案する。
我々は,一致する入力と基礎となるVLMバックボーンを併用した適応型前立腺ガイドリンベンチマークで評価を行った。
- 参考スコア（独自算出の注目度）: 3.459382629188014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Clinical practice guidelines are long, multimodal documents whose branching recommendations are difficult to convert into executable clinical decision support (CDS), and one-shot parsing often breaks cross-page continuity. Recent LLM/VLM extractors are mostly local or text-centric, under-specifying section interfaces and failing to consolidate cross-page control flow across full documents into one coherent decision graph. We present a decomposition-first pipeline that converts full-guideline evidence into an executable clinical decision graph through topology-aware chunking, interface-constrained chunk graph generation, and provenance-preserving global aggregation. Rather than relying on single-pass generation, the pipeline uses explicit entry/terminal interfaces and semantic deduplication to preserve cross-page continuity while keeping the induced control flow auditable and structurally consistent. We evaluate on an adjudicated prostate-guideline benchmark with matched inputs and the same underlying VLM backbone across compared methods. On the complete merged graph, our approach improves edge and triplet precision/recall from $19.6\%/16.1\%$ in existing models to $69.0\%/87.5\%$, while node recall rises from $78.1\%$ to $93.8\%$. These results support decomposition-first, auditable guideline-to-CDS conversion on this benchmark, while current evidence remains limited to one adjudicated prostate guideline and motivates broader multi-guideline validation.
- Abstract（参考訳）: 臨床実践ガイドラインは、分岐勧告を実行可能な臨床意思決定支援(CDS)に変換するのが困難で、ワンショット解析がページ間の連続性を損なうことが多い、長いマルチモーダル文書である。
最近のLCM/VLM抽出器は、主にローカルまたはテキスト中心の、特定されていないセクションインタフェースであり、全文書にわたるクロスページ制御フローを1つのコヒーレントな決定グラフに統合することができない。
本稿では,完全ガイドラインの証拠をトポロジ対応のチャンキング,インタフェース制約のあるチャンクグラフ生成,および大域的集約を通じて,実行可能な臨床決定グラフに変換する分解第一パイプラインを提案する。
パイプラインはシングルパス生成に頼るのではなく、明示的なエントリ/終端インターフェースとセマンティック重複を使用して、誘導制御フローを監査可能かつ構造的に一貫性を維持しながら、ページ間の連続性を維持する。
提案手法は,提案手法と一致する入力と,VLMバックボーンを併用した適応型前立腺ギデリンベンチマークを用いて評価する。
完全マージグラフでは、既存のモデルでは、エッジとトリプレットの精度/リコールが19.6\%/16.1\%から69.0\%/87.5\%に改善され、ノードリコールは78.1\%から93.8\%に増加した。
これらの結果は、このベンチマークで分解第一の監査可能なガイドライン-CDS変換をサポートし、現在の証拠は1つの適応された前立腺ガイドに限られており、より広範なマルチガイドの検証を動機付けている。
関連論文リスト
- One Step, One Lead: Mitigating Higher-Order Interference in Multi-Domain Reinforcement Learning via Cross-Step Control [62.82372407840088]
同点領域勾配は、連続的な更新が出力空間で部分的に逆転する場合においても、ほぼ一定であることを示す。
トークンレベルのリバウンドリスクをランク付けするために,各イテレーションでフォーカスドメインを指定するOSOLを提案する。
OSOLは0.4822のドメイン-マクロ平均に達し、最強の比較ベースラインよりも5.7%向上した。
論文 参考訳（メタデータ） (2026-09-06T08:32:59Z) - GrOIL: Graph-Grounded Domain Ontology Induction with Constrained LLM Mediation [1.029029220360574]
ドメイン文書を制約のない生成ステップなしで完全なWeb Ontology Language (OWL) Terminological Box (TBox)に変換する7段階のグラフ基底パイプラインを提案する。
オントロジー成長分析は、大規模な語彙飽和と一致する証拠を提供し、パイプラインが大きなドキュメントコーパスから安定で再利用可能なドメイン表現を生成することを示す。
論文 参考訳（メタデータ） (2026-08-22T23:15:47Z) - TELLER: Non-intrusive Cross-Layer Root-Cause Analysis for LLM Inference [47.62941623025392]
本稿では,非侵入的でログ対応なLLM推論フレームワークであるTELLERについて紹介する。
TELLERはモデルバイナリを変更することなく、NVTX/CUPTIトレースとサービスログを収集する。
リクエスト毎のコールチェーンツリーを再構築し、ログ行と対応する実行ステップをアライメントする。
これらの表現に加えて、TELLERは数値的候補のローカライゼーションとマルチモーダルな根起因モデルを組み合わせる。
論文 参考訳（メタデータ） (2026-08-03T09:39:11Z) - Hierarchical Evidence-Driven Reasoning for Long Document Understanding [95.51688464037096]
閉領域文書理解のための階層的・エビデンス駆動型マルチモーダルRAGフレームワークであるHIEVI-RAGを紹介する。
我々のフレームワークは、既存のオープンソースベースラインを著しく上回り、最強の報告ベースラインを平均8.05%の精度で上回ります。
論文 参考訳（メタデータ） (2026-07-06T03:08:28Z) - Beyond the Reranker: Do RAG Retrieval Enhancements Help Once a Strong Reranker Is Present? [3.77661940418406]
クエリ拡張,階層的およびクロスドキュメント要約,グラフベースの拡張,クエリごとのルーティング,ランク融合,修正的再検索について検討した。
パイプラインの品質の大部分を、強力なクロスエンコーダリランカが占めていることを示す。
残りの再ランク法とプール拡張法は、階層的な要約、グラフ展開、ルーティング、ランク融合など、一般的な用途では、再ランカが存在すれば信頼できる利得は得られない。
論文 参考訳（メタデータ） (2026-06-14T20:50:41Z) - StainFlow: Entity-Stain Tracking and Evidence Linking for Process Rewards in GUI Agents [67.03593791535786]
強化学習(Reinforcement Learning, RL)は、長期のデジタル環境においてGUIエージェントを改善するための有望なアプローチである。
この問題を軽減するため、最近の研究はプロセス・リワード・モデル(PRM)を導入している。
PRMは、グローバルマイルストーン検証やローカルステップレベルの評価を通じて、よりきめ細かいトレーニングフィードバックを提供する。
本稿では,GUIエージェントのためのエンティティ・スタンフロープロセス報酬モデルであるStainFlowを提案する。
論文 参考訳（メタデータ） (2026-06-05T08:17:28Z) - TraversalBench: Challenging Paths to Follow for Vision Language Models [11.032462608031922]
視覚言語モデル(VLM)はマルチモーダルベンチマークで強く機能するが、複雑な視覚経路を追従する能力は未試験である。
正確なビジュアルパストラバースのベンチマークであるTrversalBenchを紹介する。
自己切断が主要な困難の原因であることに気付きました。
論文 参考訳（メタデータ） (2026-04-13T04:58:52Z) - Hardware-Agnostic Modeling of Quantum Side-Channel Leakage via Conditional Dynamics and Learning from Full Correlation Data [0.0]
本研究では,敵プローブキュービットが隠れゲートシーケンス中にターゲットキュービットと相互作用するシーケンシャルサイドチャネルモデルについて検討する。
同じシークエンスを$N$ショットで繰り返すと、経験的な完全相関レコードが得られる。
広帯域結合とノイズグリッドの実験により、予測された結合帯域付近で厳密なシーケンス回復が集中していることが示されている。
論文 参考訳（メタデータ） (2026-02-17T19:33:23Z) - $G^2$-Reader: Dual Evolving Graphs for Multimodal Document QA [53.491241153213565]
G2$-Readerはマルチモーダルな質問応答のためのデュアルグラフシステムである。
Qwen3-VL-32B-Instructによる$G2$-Readerの平均精度は66.21%に達し、強力なベースラインとスタンドアローンのGPT-5(53.08%)を上回った。
5つのマルチモーダルドメインにわたるVisDoMBenchでは、Qwen3-VL-32B-Instructを使った$G2$-Readerが平均精度66.21%に達し、強力なベースラインとスタンドアロンのGPT-5(53.08%)を上回っている。
論文 参考訳（メタデータ） (2026-01-29T17:52:54Z) - Reasoning by Superposition: A Theoretical Perspective on Chain of Continuous Thought [64.43689151961054]
連続CoTのD$ステップを持つ2層トランスが有向グラフ到達可能性問題を解くことができることを証明した。
我々の構成では、各連続思考ベクトルは複数の探索フロンティアを同時に符号化する重ね合わせ状態である。
論文 参考訳（メタデータ） (2025-05-18T18:36:53Z) - GraphCheck: Multipath Fact-Checking with Entity-Relationship Graphs [11.316299961548415]
GraphCheckは、クレームを構造化および体系的な事実チェックのためのエンティティ関連グラフに変換するフレームワークである。
GraphCheckは複雑なシナリオに優れていますが、単純なクレームには必要以上に精巧です。
我々はDP-GraphCheckを紹介した。DP-GraphCheckは、直接プロンプトとGraphCheckを適応的に選択するための軽量な戦略セレクタである。
論文 参考訳（メタデータ） (2025-02-28T07:06:19Z) - Generalized Relation Modeling for Transformer Tracking [13.837171342738355]
ワンストリームトラッカーは、すべてのエンコーダ層を通して、テンプレートが検索領域内のすべての部分とやり取りすることを可能にする。
これは、抽出された特徴表現が十分に識別できない場合に、ターゲットと背景の混乱を引き起こす可能性がある。
適応トークン分割に基づく一般化された関係モデリング手法を提案する。
提案手法は,2ストリーム,1ストリームのパイプラインよりも優れており,リアルタイム実行速度の6つのベンチマークにおいて,最先端の性能を実現している。
論文 参考訳（メタデータ） (2023-03-29T10:29:25Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳（メタデータ） (2021-04-07T19:27:17Z)
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。