論文の概要: CheXTemporal: A Dataset for Temporally-Grounded Reasoning in Chest Radiography
- arxiv url: http://arxiv.org/abs/2605.11304v1
- Date: Mon, 11 May 2026 22:47:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 21:48:56.464101
- Title: CheXTemporal: A Dataset for Temporally-Grounded Reasoning in Chest Radiography
- Title（参考訳）: CheXTemporal : 胸部X線撮影における時間領域推論のためのデータセット
- Authors: Eva Prakash, Yunhe Gao, Chong Wang, Justin Xu, Neal Prakash, Arne Michalson, Seena Dehkharghani, Eun Kyoung Hong, Julie Bauml, Roger Boodoo, Jean-Benoit Delbrouck, Sophie Ostmeier, Curtis Langlotz,
- Abstract要約: 胸部X線を用いた胸部X線撮影における時間的根拠推論のためのデータセットであるCheXTemporalを紹介した。
このデータセットには、新しい、悪い、安定した、改善された、解決された、5つのクラスの進行分類が含まれ、局所化された病理の空間的監督、明示的な空間的時間的アライメントが含まれる。
ゼロショット設定において,複数の視覚言語CXRモデルをグラウンド化および進行分類タスクに基づいて評価する。
- 参考スコア（独自算出の注目度）: 11.122386852153546
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Chest radiograph interpretation requires temporal reasoning over prior and current studies, yet most vision-language models are trained on static image-report pairs and lack explicit supervision for modeling longitudinal change. We introduce CheXTemporal, a dataset for temporally grounded reasoning in chest radiography consisting of paired prior-current chest X-rays (CXR) with finding-level temporal and spatial annotations. The dataset includes a five-class progression taxonomy (new, worse, stable, improved, resolved), localized spatial supervision of pathology, explicit spatial-temporal alignment across paired studies, and multi-source coverage for cross-domain evaluation. We additionally construct a 280K-pair silver dataset with automatically derived temporal and anatomical supervision for large-scale evaluation under weaker supervision. Using these resources, we evaluate multiple state-of-the-art vision-language CXR models on grounding and progression-classification tasks in a zero-shot setting. Across both gold and silver evaluations, current models exhibit consistent limitations in spatial grounding, fine-grained temporal reasoning, and robustness under distribution shift. In particular, models perform substantially better on salient progression categories such as worse than on temporally subtle states such as stable and resolved, suggesting limited modeling of longitudinal disease evolution in chest radiography.
- Abstract（参考訳）: 胸部X線画像の解釈は、先行研究や現在研究よりも時間的推論を必要とするが、ほとんどの視覚言語モデルは静的な画像とレポートのペアで訓練されており、経時変化をモデル化するための明確な監督が欠如している。
胸部X線(CXR)を用いた胸部X線撮影における時間的根拠推論のためのデータセットであるCheXTemporalを紹介した。
このデータセットには、新しい、悪い、安定した、改善された、解決された5つのクラスの進歩分類、病理の局所的な空間的監視、ペア研究間の空間的時間的アライメント、クロスドメイン評価のためのマルチソースカバレッジが含まれる。
さらに、より弱い監督下での大規模評価のために、時間的および解剖学的に自動的に導出される280Kペア銀のデータセットを構築した。
これらの資源を用いて、ゼロショット設定における基底および進行分類タスクに基づいて、最先端の視覚言語CXRモデルを複数評価する。
金と銀の両評価において、現在のモデルでは、空間的接地、微粒な時間的推論、分布シフト時のロバスト性に一貫した限界がある。
特に, 胸部X線撮影では, 経時的に微妙な状態, 安定した状態, 解決状態など, 有意な進行傾向が認められた。
関連論文リスト
- Temporal Inversion for Learning Interval Change in Chest X-Rays [3.686530147760242]
本稿では,時間的反転を用いて画像ペアを反転させるフレームワークであるTILA(Temporal Inversion-aware Learning and Alignment)を監視信号として紹介する。
TILAは、事前学習、微調整、推論にまたがる逆認識の目的を統合し、従来の外観モデリングと時間順の明示的な学習を補完する。
また、時間的インバージョン下での順序の感度と一貫性を評価するための統一評価プロトコルを提案し、一般的なプロトコルを用いて構築された評価セットであるMS-CXR-Tretrievalを導入する。
論文 参考訳（メタデータ） (2026-04-06T09:52:26Z) - TRACE: Temporal Radiology with Anatomical Change Explanation for Grounded X-ray Report Generation [4.726777092009554]
本稿では,時間的比較,変化分類,空間的局所化を共同で行う最初のモデルであるTRACE(Temporal Radiology with Anatomical Change Explanation)を紹介する。
従来の胸部X線と現在の胸部X線が与えられたら、TRACEは境界箱座標で各発見を接地しながら、間隔変化の自然言語記述を生成する。
我々のアブレーション研究は、時間的比較と空間的接地が共同で学習された場合にのみ、変化検出が生じるという、創発的な能力を明らかにする。
論文 参考訳（メタデータ） (2026-02-03T01:03:41Z) - X-ray Insights Unleashed: Pioneering the Enhancement of Multi-Label Long-Tail Data [86.52299247918637]
胸部X線撮影における長期肺腫瘍の診断は困難であった。
尾部病変の表現力を高める拡散法は近年進歩しているが, 稀な病変例では, それらの発生能が低下している。
そこで本研究では,従来のX線を併用して尾部病変を増大させる新しいデータ合成パイプラインを提案する。
論文 参考訳（メタデータ） (2025-12-24T06:14:55Z) - Alzheimers Disease Progression Prediction Based on Manifold Mapping of Irregularly Sampled Longitudinal Data [12.210689327265072]
アルツハイマー病(AD)の進行は、不規則にサンプリングされた縦型磁気共鳴画像(sMRI)データからモデル化される。
提案手法はまず,高次元sMRIから抽出した特徴を多様体空間に投射し,本質的な疾患進行の形状を保存する。
提案手法は,病状予測と認知スコア回帰の両面で,最先端モデルよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-11-25T10:28:37Z) - Multi-Task Diffusion Approach For Prediction of Glioma Tumor Progression [0.6978367196609415]
グリオーマは攻撃的な脳腫瘍であり、正確な進化予測に重大な課題をもたらす。
本稿では,グリオーマ進行の時間依存的,ピクセルワイドな予測のためのマルチタスク拡散フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-13T14:42:46Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Generative Residual Attention Network for Disease Detection [51.60842580044539]
本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。
我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。
次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
論文 参考訳（メタデータ） (2021-10-25T14:15:57Z) - Contrastive Attention for Automatic Chest X-ray Report Generation [124.60087367316531]
ほとんどの場合、正常領域が胸部X線像全体を支配し、これらの正常領域の対応する記述が最終報告を支配している。
本稿では,現在の入力画像と通常の画像を比較してコントラスト情報を抽出するContrastive Attention(CA)モデルを提案する。
2つの公開データセットで最先端の結果を得る。
論文 参考訳（メタデータ） (2021-06-13T11:20:31Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z)
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。