論文の概要: Unifying VLM-Guided Flow Matching and Spectral Anomaly Detection for Interpretable Veterinary Diagnosis
- arxiv url: http://arxiv.org/abs/2604.05482v1
- Date: Tue, 07 Apr 2026 06:22:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-08 17:42:09.65999
- Title: Unifying VLM-Guided Flow Matching and Spectral Anomaly Detection for Interpretable Veterinary Diagnosis
- Title（参考訳）: VLM-Guided Flow Matching and Spectral Anomaly Detection for Interpretable Veterinary Diagnosis (特集:VLM-Guided Flow Matching and Spectral Anomaly Detection)
- Authors: Pu Wang, Zhixuan Mao, Jialu Li, Zhuoran Zheng, Dianjie Lu, Youshan Zhang,
- Abstract要約: 我々は、研究を容易にするために、パブリックなピクセルレベルの注釈付きデータセットを導入します。
次に、信号の局在化とスペクトル検出の相乗的プロセスとしてタスクを再構成する新しい診断パラダイムを提案する。
この生成セグメンテーションと第一原理統計分析の相乗効果は、高度に正確かつ解釈可能な診断システムをもたらす。
- 参考スコア（独自算出の注目度）: 21.21244605571581
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automatic diagnosis of canine pneumothorax is challenged by data scarcity and the need for trustworthy models. To address this, we first introduce a public, pixel-level annotated dataset to facilitate research. We then propose a novel diagnostic paradigm that reframes the task as a synergistic process of signal localization and spectral detection. For localization, our method employs a Vision-Language Model (VLM) to guide an iterative Flow Matching process, which progressively refines segmentation masks to achieve superior boundary accuracy. For detection, the segmented mask is used to isolate features from the suspected lesion. We then apply Random Matrix Theory (RMT), a departure from traditional classifiers, to analyze these features. This approach models healthy tissue as predictable random noise and identifies pneumothorax by detecting statistically significant outlier eigenvalues that represent a non-random pathological signal. The high-fidelity localization from Flow Matching is crucial for purifying the signal, thus maximizing the sensitivity of our RMT detector. This synergy of generative segmentation and first-principles statistical analysis yields a highly accurate and interpretable diagnostic system (source code is available at: https://github.com/Pu-Wang-alt/Canine-pneumothorax).
- Abstract（参考訳）: 犬気胸の自動診断は、データ不足と信頼できるモデルの必要性により困難である。
この問題に対処するために、私たちはまず、研究を容易にするために、公開ピクセルレベルの注釈付きデータセットを導入します。
次に、信号の局在化とスペクトル検出の相乗的プロセスとしてタスクを再構成する新しい診断パラダイムを提案する。
局所化には視覚言語モデル(VLM)を用いて反復的フローマッチングを導出し,セグメント化マスクを段階的に洗練して境界精度を向上する。
検出には、セグメントマスクを使用して、疑わしい病変から特徴を分離する。
次に、従来の分類器から離れるランダム行列理論(RMT)を適用し、これらの特徴を解析する。
このアプローチは、健康な組織を予測可能なランダムノイズとしてモデル化し、非ランダムな病理信号を表す統計的に有意な外れ値を検出することによって気胸を識別する。
フローマッチングによる高忠実度局所化は信号の浄化に不可欠であり、RTT検出器の感度を最大化する。
この生成セグメンテーションと第一原理統計解析のシナジーは、高度に正確で解釈可能な診断システムをもたらす(ソースコードはhttps://github.com/Pu-Wang-alt/Canine-pneumothoraxで入手できる)。
関連論文リスト
- Beyond Raw Detection Scores: Markov-Informed Calibration for Boosting Machine-Generated Text Detection [105.14032334647932]
機械生成テキスト(MGT)は偽情報やフィッシングなどのリスクを生じさせ、信頼性の高い検出の必要性を強調している。
MGTの統計的に区別可能な特徴を抽出するメトリックベース法は、オーバーフィットしがちな複雑なモデルベース法よりも実用的であることが多い。
本稿では,2つのコンテキスト検出スコアの関係をモデル化したマルコフ情報を用いたスコアキャリブレーション手法を提案する。
論文 参考訳（メタデータ） (2026-02-08T16:06:12Z) - Quality-Aware Framework for Video-Derived Respiratory Signals [10.760284839837395]
ビデオベースの呼吸速度推定は、抽出法間での信号品質の不整合のため、しばしば信頼性が低い。
本稿では、異種信号源と信頼性の動的評価を統合した予測品質対応フレームワークを提案する。
論文 参考訳（メタデータ） (2025-12-16T05:04:24Z) - PathSegDiff: Pathology Segmentation using Diffusion model representations [63.20694440934692]
そこで我々は,Latent Diffusion Models (LDMs) を事前学習した特徴抽出器として活用する,病理組織像分割の新しい手法であるPathSegDiffを提案する。
本手法は,H&E染色組織像から多彩な意味情報を抽出するために,自己教師型エンコーダによって誘導される病理特異的LCMを用いる。
本実験は,BCSSおよびGlaSデータセットにおける従来の手法よりも大幅に改善されたことを示す。
論文 参考訳（メタデータ） (2025-04-09T14:58:21Z) - Robust semi-parametric signal detection in particle physics with classifiers decorrelated via optimal transport [0.1565870461096057]
我々は、信号リッチ化ステップを使用して、信号リッチサンプル上で信号検出テストを行う。
その結果, 脱相関法は中程度の背景不特定性に対して頑健であることが判明した。
我々は、デコレーションと信号の富化が安定的で、堅牢で、有効で、より強力なテストを生み出すと結論付けている。
論文 参考訳（メタデータ） (2024-09-10T10:32:21Z) - MAPL: Memory Augmentation and Pseudo-Labeling for Semi-Supervised Anomaly Detection [0.0]
メモリ拡張(Memory Augmentation)と擬似ラベル(Pseudo-Labeling, MAPL)と呼ばれる, 産業環境における表面欠陥検出のための新しいメソドロジーを導入する。
この手法は、まず異常シミュレーション戦略を導入し、希少または未知の異常型を認識するモデルの能力を著しく改善する。
入力データから直接異常領域を識別するために、MAPLによってエンドツーエンドの学習フレームワークが使用される。
論文 参考訳（メタデータ） (2024-05-10T02:26:35Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - ProtoASNet: Dynamic Prototypes for Inherently Interpretable and
Uncertainty-Aware Aortic Stenosis Classification in Echocardiography [4.908455453888849]
大動脈狭窄症(Aortic stenosis、AS)は、心臓弁弁疾患の1つで、適切な治療のために正確かつタイムリーな診断を必要とする。
現在の自動検出法のほとんどは、信頼性の低いブラックボックスモデルに依存しており、臨床応用を妨げている。
本稿では,Bmode心エコービデオから直接ASを検出するネットワークであるProtoASを提案する。
ProtoASNetは、それぞれの予測に対する解釈可能性と不確実性を提供する。
論文 参考訳（メタデータ） (2023-07-26T18:06:25Z) - Improving Classification Model Performance on Chest X-Rays through Lung
Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。
提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文 参考訳（メタデータ） (2022-02-22T15:24:06Z) - Lung Cancer Lesion Detection in Histopathology Images Using Graph-Based
Sparse PCA Network [93.22587316229954]
ヘマトキシリンとエオシン(H&E)で染色した組織学的肺スライドにおける癌病変の自動検出のためのグラフベーススパース成分分析(GS-PCA)ネットワークを提案する。
我々は,SVM K-rasG12D肺がんモデルから得られたH&Eスライダーの精度・リコール率,Fスコア,谷本係数,レシーバ演算子特性(ROC)の曲線下領域を用いて,提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2021-10-27T19:28:36Z) - DAAIN: Detection of Anomalous and Adversarial Input using Normalizing
Flows [52.31831255787147]
我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。
本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。
当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
論文 参考訳（メタデータ） (2021-05-30T22:07:13Z)
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。