Fugu-MT 論文翻訳(概要): Conditional Evidence Reconstruction and Decomposition for Interpretable Multimodal Diagnosis

論文の概要: Conditional Evidence Reconstruction and Decomposition for Interpretable Multimodal Diagnosis

arxiv url: http://arxiv.org/abs/2604.17030v1
Date: Sat, 18 Apr 2026 15:28:30 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-21 21:52:52.298817
Title: Conditional Evidence Reconstruction and Decomposition for Interpretable Multimodal Diagnosis
Title（参考訳）: 解釈可能なマルチモーダル診断のための条件付きエビデンス再構成と分解
Authors: Shaowen Wan, Yanjun Lv, Lu Zhang, Dajiang Zhu, Bharat Biswal, Tianming Liu, Xiaobo Li, Lin Zhao,
Abstract要約: Conditional Evidence Reconstruction and Decomposition (CERD) は不完全モダリティを伴う多モーダル診断の枠組みである。 CERDはまず、各被験者の観察された入力に条件づけられたモダリティの表現を再構成し、診断証拠を共有モダリティの相関とモダリティ固有の手がかりに分解する。アルツハイマー病神経画像イニシアチブ(ADNI)の実験は、CERDが不完全なモダリティ設定下での競争ベースラインよりも優れていることを示した。
参考スコア（独自算出の注目度）: 13.70072258303614
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neurobiological and neurodegenerative diseases are inherently multifactorial, arising from coupled influences spanning genetic susceptibility, brain alterations, and environmental and behavioral factors. Multimodal modeling has therefore been increasingly adopted for disease diagnosis by integrating complementary evidence across data sources. However, in both large-scale cohorts and real-world clinical workflows, modality coverage is often incomplete, making many multimodal models brittle when one or more modalities are unavailable. Existing approaches to incomplete multimodal diagnosis typically rely on group-wise or static priors, which may fail to capture subject-specific cross-modal dependencies; moreover, many models provide limited interpretability into which evidence sources drive the final decision. To address these limitations, we propose Conditional Evidence Reconstruction and Decomposition (CERD), a framework for interpretable multimodal diagnosis with incomplete modalities. CERD first reconstructs missing modality representations conditioned on each subject's observed inputs, then decomposes diagnostic evidence into shared cross-modal corroboration and modality-specific cues via logit-level attribution. Experiments on the Alzheimer's Disease Neuroimaging Initiative (ADNI) demonstrate that CERD outperforms competitive baselines under incomplete-modality settings while producing structured and clinically aligned evidence attributions for trustworthy decision support.
Abstract（参考訳）: 神経生物学的および神経変性疾患は本質的に多因子性であり、遺伝的感受性、脳の変化、環境および行動要因にまたがる影響から生じる。したがって、データソース間で補完的な証拠を統合することで、病気の診断にマルチモーダルモデリングが採用されてきている。しかし、大規模なコホートと実際の臨床ワークフローの両方において、モダリティのカバレッジは不完全であり、1つ以上のモダリティが利用できない場合、多くのマルチモーダルモデルが不安定になる。既存の不完全なマルチモーダル診断へのアプローチは、通常、グループワイドまたは静的な先行性に依存しており、それは主題固有のクロスモーダル依存関係を捉えることに失敗する可能性がある。これらの制約に対処するため,不完全なマルチモーダル診断の枠組みである条件付きエビデンス再構成分解(CERD)を提案する。 CERDはまず、各被験者の観察された入力に条件付けられた欠落したモダリティ表現を再構成し、診断証拠を、ロジトレベルの属性を通して共有されたモダリティ間の相関とモダリティ固有のキューに分解する。アルツハイマー病神経画像イニシアチブ(ADNI)の実験では、CERDは不完全なモダリティ設定下での競争ベースラインよりも優れており、構造化され、臨床的に整合した証拠は信頼できる意思決定支援に寄与している。

関連論文リスト

AD-Reasoning: Multimodal Guideline-Guided Reasoning for Alzheimer's Disease Diagnosis [5.108477490467764]
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。
論文参考訳（メタデータ） (2026-03-25T08:07:04Z)
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)
MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus [24.19892707167392]
臨床診断のための既存のAIアプローチは、透明性、構造化推論、デプロイ性に欠けることが多い。標準化された異常所見から診断仮説を生成するエンド・ツー・エンドのフレームワークであるMedCoRAGを提案する。その後、UMLS知識グラフパスと臨床ガイドラインを共同で検索し、解析することで、患者固有のエビデンスパッケージを構築する。
論文参考訳（メタデータ） (2026-03-05T12:58:45Z)
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)
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)
Multi-modal cross-domain mixed fusion model with dual disentanglement for fault diagnosis under unseen working conditions [7.135832969368086]
本稿では,マルチモーダルクロスドメイン混合核融合モデルを提案する。一定時間および時間変化のある作業条件下での誘導運動障害診断実験を行った。
論文参考訳（メタデータ） (2025-12-31T07:10:32Z)
When One Modality Sabotages the Others: A Diagnostic Lens on Multimodal Reasoning [22.39245479538899]
本報告では,高信頼な一元誤差が他の証拠をオーバーライドし,融合結果を誤認する診断障害モードであるモダリティ・サボタージュを導入する。モデル非依存評価層は、各モダリティをエージェントとして扱い、候補ラベルと監査に用いる簡単な自己評価を生成する。単純な融合機構はこれらの出力を集約し、コントリビュータ(正しい結果を支持するモダリティ)とサボツール(誤解を招くモダリティ)を露呈する。
論文参考訳（メタデータ） (2025-11-04T18:20:13Z)
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)
Continually Evolved Multimodal Foundation Models for Cancer Prognosis [50.43145292874533]
がん予後は、患者の予後と生存率を予測する重要なタスクである。これまでの研究では、臨床ノート、医療画像、ゲノムデータなどの多様なデータモダリティを統合し、補完的な情報を活用している。既存のアプローチには2つの大きな制限がある。まず、各病院の患者記録など、各種のトレーニングに新しく到着したデータを組み込むことに苦慮する。第二に、ほとんどのマルチモーダル統合手法は単純化された結合やタスク固有のパイプラインに依存しており、モダリティ間の複雑な相互依存を捉えることができない。
論文参考訳（メタデータ） (2025-01-30T06:49:57Z)
A Novel Unified Conditional Score-based Generative Framework for Multi-modal Medical Image Completion [54.512440195060584]
我々は、スコアベース生成モデル(SGM)を活用するために、統一多モードスコアベース生成モデル(UMM-CSGM)を提案する。 UMM-CSGMは、新しいマルチインマルチアウトコンディションスコアネットワーク(mm-CSN)を用いて、クロスモーダル条件分布の包括的集合を学習する。 BraTS19データセットの実験により、UMM-CSGMは腫瘍誘発病変における不均一な増強と不規則な領域をより確実に合成できることが示された。
論文参考訳（メタデータ） (2022-07-07T16:57:21Z)

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。