論文の概要: MedVol-R1: Reward-Driven Evidence Grounding for Volumetric Reasoning Segmentation

• arxiv url: http://arxiv.org/abs/2605.26621v1
• Date: Tue, 26 May 2026 06:59:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.712598
• Title: MedVol-R1: Reward-Driven Evidence Grounding for Volumetric Reasoning Segmentation
• Title（参考訳）: MedVol-R1:Reward-Driven Evidence Grounding for Volumetric Reasoning Segmentation
• Authors: Zichun Wang, Hairong Shi, Bingzheng Wei, Yan Xu, Zihua Wang,
• Abstract要約: Volumetric Reasoningは、フリーフォームの臨床クエリから、ターゲット領域を3Dの医療スキャンに分割することを目的としている。 既存の手法は、マスクの復号化と言語を結びつけるための特別なセグメンテーショントークンに依存している。 本稿では,VRSのための強化学習ベースのフレームワークであるMedVol-R1について述べる。
• 参考スコア（独自算出の注目度）: 7.746295603410245
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Volumetric Reasoning Segmentation (VRS) aims to segment a target region in a 3D medical scan from a free-form clinical query, where the referent is often implicit and requires both medical knowledge and volume-grounded reasoning. Existing methods typically rely on specialized segmentation tokens to connect language with mask decoding, but this coupling collapses the decision process into opaque latent representations, limiting interpretability and generalization to diverse narrative expressions. In this paper, we present MedVol-R1, a reinforcement learning-based framework for VRS that explicitly decouples evidence grounding from volumetric delineation: the LVLM grounds clinical reasoning to a verifiable 2D evidence anchor (key axial slice and 2D bounding boxes), which is then propagated into a coherent 3D mask by a frozen MedSAM2 module. We train MedVol-R1 with cold-start supervised fine-tuning followed by GRPO, guided by a multi-component reward that encourages informative evidence selection, accurate 2D spatial grounding, and cross-slice volumetric coherence, without requiring costly chain-of-thought annotations. Experiments on CT-ORG, AbdomenCT-1K, and KiTS23 from the M3D-Seg benchmark demonstrate that MedVol-R1 consistently outperforms strong baselines and achieves state-of-the-art performance, with reinforcement learning providing clear gains over pure supervised fine-tuning.
• Abstract（参考訳）: ボリューム推論セグメンテーション(VRS: Volumetric Reasoning Segmentation)は、3次元の医療スキャンにおいて、参照者が暗黙的であり、医療知識とボリュームグラウンドド推論の両方を必要とする自由形式の臨床クエリからターゲット領域を分割することを目的としている。 既存の手法は通常、言語とマスクの復号化を結びつけるための特別なセグメンテーショントークンに頼っているが、この結合は決定プロセスを不透明な潜在表現に分解し、解釈可能性と一般化を多様な物語表現に制限する。 本稿では,VRSのための強化学習ベースのフレームワークであるMedVol-R1について述べる。LVLMは,検証可能な2Dエビデンスアンカー(キー軸スライスと2Dバウンディングボックス)に臨床理由を根拠として,凍結したMedSAM2モジュールによってコヒーレントな3Dマスクに伝播する。 我々はMedVol-R1を冷間開始制御による微調整で訓練し、GRPOは情報的証拠の選択、正確な2次元空間グラウンド、そしてクロススライスな体積コヒーレンスを促進する多成分報酬によって誘導される。 M3D-SegベンチマークによるCT-ORG、AbdomenCT-1K、KiTS23の実験では、MedVol-R1は強いベースラインを一貫して上回り、最先端のパフォーマンスを実現している。

関連論文リスト

• Beyond a Single Frame: Multi-Frame Spatially Grounded Reasoning Across Volumetric MRI [22.439797107933355]
  本稿では,容積MRIを用いたマルチフレーム空間的推論のためのベンチマークSGMRI-VQAを紹介する。 各QAペアは、フレームインデックス付きバウンディングボックス座標を持つクリニック整列チェーン・オブ・シントトレースを含む。 境界ボックスによるQwen3-VL-8Bの微調整により,強いゼロショットベースラインのグラウンド化性能が一貫して向上することを示す。
  論文  参考訳（メタデータ） (2026-04-17T08:06:39Z)
• MedPruner: Training-Free Hierarchical Token Pruning for Efficient 3D Medical Image Understanding in Vision-Language Models [59.180043227905294]
  MedPrunerは、3次元医用画像の効率的な理解のためのトレーニング不要でモデルに依存しない階層的トークンプレーニングフレームワークである。 我々は、MedPrunerによって、MedGemmaのようなモデルが元の性能を維持したり、超えたりすることが可能であり、ビジュアルトークンの5%以下を維持していることを示す。
  論文  参考訳（メタデータ） (2026-03-12T07:37:00Z)
• Preoperative-to-intraoperative Liver Registration for Laparoscopic Surgery via Latent-Grounded Correspondence Constraints [51.7011449975586]
  Land-Regは変形可能な登録フレームワークで、潜伏した2D-3Dのランドマーク対応を学習する。 厳格な登録のために、Land-Regはクロスモーダルラテントアライメントモジュールを採用している。 類似性マッチングを持つ不確実なオーバーラップランドマーク検出器を提案し, 明確な2D-3Dランドマーク対応を強く推定する。
  論文  参考訳（メタデータ） (2026-03-02T10:44:03Z)
• Extending 2D foundational DINOv3 representations to 3D segmentation of neonatal brain MR images [3.186130813218338]
  グローバルMRIボリュームは、重複しない3Dウィンドウまたはサブキューブに分解され、それぞれが凍結した高忠実度機能の上に構築された別個のデコードアームを介して処理される。 提案手法は、1つの3Dウィンドウに対してDiceスコア0.65を達成する。
  論文  参考訳（メタデータ） (2026-02-27T12:16:21Z)
• OmniCT: Towards a Unified Slice-Volume LVLM for Comprehensive CT Analysis [53.01523944168442]
  臨床解釈はスライス駆動の局所特徴と体積駆動の空間表現の両方に依存している。 既存のLVLM(Large Vision-Language Models)は、CTスライスとボリューム理解で断片化されている。 我々は,CTシナリオのための強力な統合スライスボリュームLVLMであるOmniCTを提案する。
  論文  参考訳（メタデータ） (2026-02-18T00:42:41Z)
• Opportunistic Promptable Segmentation: Leveraging Routine Radiological Annotations to Guide 3D CT Lesion Segmentation [4.014618722322392]
  臨床画像アーカイブ・通信システム(PACS)では大量のCT画像と報告が容易に利用可能である クリティカルな発見の3Dセグメンテーションは、一般的には放射線技師による広範囲な手作業による注釈を必要とする。 スパースアノテーションをCTボリュームの3次元セグメンテーションに変換するために設計された,最初のプロンプト可能なセグメンテーションモデルを提案する。
  論文  参考訳（メタデータ） (2026-01-30T20:59:53Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• VesSAM: Efficient Multi-Prompting for Segmenting Complex Vessel [68.24765319399286]
  本稿では,2次元血管セグメンテーションに適した,強力で効率的なフレームワークであるVesSAMを提案する。 VesSAMは、(1)局所的なテクスチャ機能を強化する畳み込みアダプタ、(2)解剖学的プロンプトを融合するマルチプロンプトエンコーダ、(3)ジャグアーティファクトを減らす軽量マスクデコーダを統合する。 VesSAMは、最先端のPEFTベースのSAMを10%以上のDiceと13%のIoUで一貫して上回っている。
  論文  参考訳（メタデータ） (2025-11-02T15:47:05Z)
• MedSeqFT: Sequential Fine-tuning Foundation Models for 3D Medical Image Segmentation [55.37355146924576]
  MedSeqFTは、医用画像解析のためのシーケンシャルな微調整フレームワークである。 事前訓練されたモデルを新しいタスクに適応させ、表現能力を改善する。 最先端の微調整戦略を一貫して上回ります。
  論文  参考訳（メタデータ） (2025-09-07T15:22:53Z)
• ReCoGNet: Recurrent Context-Guided Network for 3D MRI Prostate Segmentation [11.248082139905865]
  アノテーション付きデータとしてMRIシーケンスをモデル化するハイブリッドアーキテクチャを提案する。 本手法では, 深層保存型DeepVLab3バックボーンを用いて, それぞれのMRIスライスから高レベルなセマンティック特徴を抽出し, コンブLSTM層で構築した再帰的畳み込みヘッドを用いて, スライス間の情報統合を行う。 現状の2D, 3Dセグメンテーションモデルと比較して, 精度, リコール, IoU, Dice similarity Coefficient (DSC) およびロバストネスの点で優れた性能を示す。
  論文  参考訳（メタデータ） (2025-06-24T14:56:55Z)
• Train-Free Segmentation in MRI with Cubical Persistent Homology [0.0]
  トポロジカルデータ解析(TDA)に基づくMRIスキャンのセグメンテーションのための新しいフレームワークを提案する。 パイプラインは3つのステップで進み、まずオブジェクト全体を自動しきい値によってセグメントに識別し、次に事前にトポロジが知られている固有のサブセットを検出し、最後にセグメンテーションの様々なコンポーネントを推論する。 脳MRIにおけるグリオ芽腫の分画、心筋MRIにおける心筋、シリンダー形成、胎児脳MRIにおける皮質プレート検出の3つの応用について検討した。
  論文  参考訳（メタデータ） (2024-01-02T11:43:49Z)

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。