論文の概要: PaCX-MAE: Physiology-Augmented Chest X-Ray Masked Autoencoder

• arxiv url: http://arxiv.org/abs/2606.01537v1
• Date: Mon, 01 Jun 2026 01:34:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.774779
• Title: PaCX-MAE: Physiology-Augmented Chest X-Ray Masked Autoencoder
• Title（参考訳）: PaCX-MAE: 生理機能強化された胸部X線マスクオートエンコーダ
• Authors: Yancheng Liu, Kenichi Maeda, Manan Pancholy,
• Abstract要約: 胸部X線エンコーダに生理的前駆体を注入するクロスモーダル蒸留フレームワークPa CX-MAEを提案する。 Pa CX-MAEは、CXR表現をペアのECGと実験室の埋め込みと整合させて、二重のコントラスト予測目的でドメイン内のマスク付きオートエンコーディングを増強する。
• 参考スコア（独自算出の注目度）: 0.9767766750237933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical diagnosis often requires combining imaging with physiological measurements, yet deployed models typically operate on unimodal data. We present PaCX-MAE, a cross-modal distillation framework that injects physiological priors into chest X-ray (CXR) encoders while remaining strictly unimodal at inference. PaCX-MAE augments in-domain masked autoencoding with a dual contrastive-predictive objective, aligning CXR representations with paired ECG and laboratory embeddings. Extensive evaluation across nine benchmarks demonstrates consistent improvements over domain-specific MAE, particularly on physiology-dependent tasks (e.g., +2.7 AUROC on MedMod; +6.5 F1 on VinDr). The method proves highly label-efficient in the 1% regime and preserves anatomical fidelity, achieving parity with MAE on segmentation tasks. Zero-shot and attention analyses confirm that PaCX-MAE successfully learns to attend to physiological indicators, such as the cardiac silhouette, absent in standard visual pretraining.
• Abstract（参考訳）: 臨床診断はしばしば、画像と生理的測定を組み合わせる必要があるが、デプロイされたモデルは典型的には単調なデータで機能する。 本稿では, 胸部X線エンコーダ(CXR)に生理的前駆体を注入するクロスモーダル蒸留フレームワークPaCX-MAEについて述べる。 PaCX-MAEは、CXR表現をペアのECGと実験室の埋め込みと整合させて、二重のコントラスト予測目的でドメイン内のマスク付きオートエンコーディングを増強する。 9つのベンチマークにわたる広範囲な評価は、特に生理学に依存したタスク(MedMod では +2.7 AUROC、VinDrでは +6.5 F1)において、ドメイン固有の MAE に対して一貫した改善を示す。 この方法は1%のレギュレーションにおいて高いラベル効率を示し、解剖学的忠実さを保ち、セグメンテーションタスクにおいてMAEと同等であることを示す。 ゼロショットおよびアテンション分析は、PaCX-MAEが、標準的な視覚前訓練に欠席している心シルエットのような生理学的指標への参加をうまく学んでいることを確認した。

関連論文リスト

• A Foundation Model for Chest X-ray Interpretation with Grounded Reasoning via Online Reinforcement Learning [41.27625400846057]
  DeepMedix-R1は、胸部X線(CXR)の解釈のための総合医療用FMである。 クエリ毎に、画像のローカルリージョンに関連付けられた回答と推論ステップの両方を生成する。
  論文  参考訳（メタデータ） (2025-09-04T06:00:04Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• Extreme Cardiac MRI Analysis under Respiratory Motion: Results of the CMRxMotion Challenge [56.28872161153236]
  ディープラーニングモデルは、自動心臓磁気共鳴(CMR)解析において最先端の性能を達成した。 これらのモデルの有効性は、高品質でアーティファクトフリーな画像の可用性に大きく依存している。 この領域の研究を促進するために,MICCAI CMRxMotion チャレンジを組織した。
  論文  参考訳（メタデータ） (2025-07-25T11:12:21Z)
• Contrastive Cross-Modal Learning for Infusing Chest X-ray Knowledge into ECGs [29.705337940879705]
  心電図(ECG)と胸部X線(CXR)は、心臓評価において最も広く用いられる2つの指標である。 本研究は,胸部X線を利用して臨床に有用な心電図表現を学習する,新しいコントラスト学習ベースのフレームワークであるCroMoTEXを提案する。
  論文  参考訳（メタデータ） (2025-06-24T05:47:26Z)
• Multimodal Latent Fusion of ECG Leads for Early Assessment of Pulmonary Hypertension [30.124231086488976]
  リード特異的心電図マルチモーダル変分オートエンコーダ(textscLS-EMVAE)を提案する。 textscLS-EMVAEには階層的モダリティエキスパート(HiME)融合機構と遅延表現アライメント損失が組み込まれている。 6L-ECG設定で2つの振り返りコホートでtextscLS-EMVAEを検証する。
  論文  参考訳（メタデータ） (2025-03-03T16:16:38Z)
• Clinical Utility of Foundation Segmentation Models in Musculoskeletal MRI: Biomarker Fidelity and Predictive Outcomes [0.0]
  筋骨格 (MSK) MRI データセットを用いて, 広く用いられている3つのセグメンテーションモデル (SAM, SAM2, MedSAM) を評価した。 本フレームワークは,ゼロショットと微調整の両方のパフォーマンスを評価し,セグメンテーション精度,画像プロトコル間の一般化性,抽出された量的バイオマーカーの信頼性に着目した。
  論文  参考訳（メタデータ） (2025-01-23T04:41:20Z)
• MEDBind: Unifying Language and Multimodal Medical Data Embeddings [18.954939735299963]
  我々は,CXR,ECG,医療用テキストにまたがる共同埋め込みを学習するMEDBind(Medical Electronic patient recorD)を提案する。 テキストデータを中央アンカーとして使用すると、MEDBindはトリモダリティバインディングを備え、トップK検索、ゼロショット、少数ショットベンチマークで競合的なパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2024-03-19T16:46:29Z)
• Bag of Tricks for Long-Tailed Multi-Label Classification on Chest X-Rays [40.11576642444264]
  本報告では,ICCV CVAMD 2023 CXR-LT コンペティションにおけるソリューションの概要について述べる。 我々は,CXR診断の有効性を,いくつかの先進的な設計を統合することで実証的に検討した。 私たちのフレームワークは最終的に、競争テストセットで0.349 mAPを獲得し、トップ5にランクインしました。
  論文  参考訳（メタデータ） (2023-08-17T08:25:55Z)
• 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)
• A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced Cardiac Magnetic Resonance Imaging [90.29017019187282]
  現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。 技術および生物学的指標を用いた提案アルゴリズムの解析を行った。 その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
  論文  参考訳（メタデータ） (2020-04-26T08:49:17Z)

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。