論文の概要: SAGE: An Expert-Annotated South Asian GI Endoscopy Dataset for Multimodal Learning and Hallucination Analysis

• arxiv url: http://arxiv.org/abs/2606.22144v1
• Date: Sat, 20 Jun 2026 16:53:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 22:34:46.068975
• Title: SAGE: An Expert-Annotated South Asian GI Endoscopy Dataset for Multimodal Learning and Hallucination Analysis
• Title（参考訳）: SAGE: マルチモーダル学習と幻覚解析のためのエキスパートアノテーション付き南アジアGI内視鏡データセット
• Authors: Niyoj Oli, Sachin Acharya, Sandesh Pokhrel, Sanjay Bhandari, Ramesh Rana, Nikesh Mani Shrestha, Ram Bahadur Gurung, Yash Raj Shrestha, Prashnna K Gyawali, Binod Bhattarai,
• Abstract要約: 消化器癌は、社会経済状況や生活習慣の急激な変化により、南アジア地域の健康負担が増大していることを示している。 このような悪性腫瘍の早期診断は、現代の設備の欠如、財政的支援の欠如、GI専門家の不足など、依然として重大な課題である。 ほぼすべてのオープンソースで公開されているデータセットは、主にヨーロッパ地域から収集され、南アジア地域からは表現されていない。
• 参考スコア（独自算出の注目度）: 5.82810193120568
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Gastrointestinal cancers represent a growing health burden in the South Asian region, driven largely by rapid changes in socio-economic conditions & lifestyle habits. However, early diagnosis of such malignancies remains a significant challenge, largely due to a lack of modern equipment, lack of financial support, and a scarcity of GI experts. AI-assisted diagnosis & report generation, show great promise in alleviating this problem by providing low-skill manpower the technical expertise to perform diagnosis. However, almost all open-source, publicly available datasets are predominantly collected from the European region, with no representation from the South Asian region. The lack of open-source GI datasets from diverse geographic regions has made it difficult to assess whether population bias is present in existing models, and to develop geographically inclusive AI tools for automated GI diagnosis. To address this gap, we introduce SAGE: An Expert-Annotated South Asian GI Endoscopy dataset for image captioning, multi-label classification, and visual question answering (VQA) tasks. It consists of 1,300 images, their captions along with hallucination tag, 18 labels and 14,726 question-answer pairs making it well-suited for diverse range of tasks including classification, benchmarking, and fine-tuning large multimodal models (LMMs). We further conducted benchmarking of multi-class classifiers on the effect of population shift in GI imaging AI tasks, and contemporary LMMs on their performance. Our study reveals that task-specific models, such as multi-class classification models, suffer the most, with an average performance drop of 58% when evaluated on the South Asian dataset. For contemporary LMMs, benchmarking reveals a substantial drop in the average GREEN score for anatomical landmark detection (0.308) and abnormality detection (0.410).
• Abstract（参考訳）: 消化器癌は、社会経済状況や生活習慣の急激な変化により、南アジア地域の健康負担が増大していることを示している。 しかし、このような悪性腫瘍の早期診断は、現代の設備の欠如、財政支援の欠如、GI専門家の不足など、大きな課題である。 AIによる診断とレポート生成は、診断を行うための技術専門知識を低技術マンパワーを提供することで、この問題を緩和する大きな可能性を秘めている。 しかしながら、ほぼすべてのオープンソースで公開されているデータセットは、主にヨーロッパ地域から収集され、南アジア地域からは表現されていない。 多様な地域からのオープンソースGIデータセットの欠如は、既存のモデルに人口バイアスが存在するかどうかを判断し、自動GI診断のための地理的に包括的なAIツールを開発するのを困難にしている。 SAGE: An Expert-Annotated South Asian GI Endoscopy dataset for image Casting, multi-label classification, and visual question answering (VQA) task。 1,300枚の画像とキャプション、幻覚タグ、18個のラベル、14,726個の質問応答ペアで構成されており、分類、ベンチマーク、微調整された大型マルチモーダルモデル(LMM)など様々なタスクに適している。 さらに,GI画像AIタスクにおける集団シフトの影響について,マルチクラス分類器のベンチマークを行い,同時代のLMMが性能に与える影響について検討した。 本研究は,多クラス分類モデルなどのタスク固有モデルが最も苦しめられ,南アジアデータセットで評価すると平均58%の性能低下が見られた。 現代のLMMでは、解剖学的ランドマーク検出(0.308)と異常検出(0.410)の平均GREENスコアが大幅に低下している。

関連論文リスト

• Towards Global AI-Driven Cervical Cancer Screening [1.0575237712217556]
  子宮頸癌は世界保健機関(WHO)が定めた主要な公衆衛生上の目標である 低所得国(LMICs)では、専門家や生検サービスへのアクセスが制限されている ディープラーニング(DL)ベースのアルゴリズムは、スクリーニングの有望なサポートを提供するが、既存のアプローチのほとんどは、単一国のプライベートデータセット上で開発され、検証されている。 複数の国のデータで検証された子宮頸癌検診へのDL-based approachを初めて提示した。
  論文  参考訳（メタデータ） (2026-06-12T23:30:52Z)
• LMOD+: A Comprehensive Multimodal Dataset and Benchmark for Developing and Evaluating Multimodal Large Language Models in Ophthalmology [43.092364533480456]
  視力低下の眼疾患は、労働力不足によるタイムリーな診断と専門医療へのアクセス制限により、世界的な健康上の重荷となる。 本報告では,12の眼球運動条件に共通する多粒性アノテーションと5つの画像モダリティを併用した32,633例の大規模マルチモーダル眼科ベンチマークを報告する。 このデータセットは、画像、解剖学的構造、人口統計、自由テキストアノテーションを統合し、解剖学的構造認識、疾患スクリーニング、疾患ステージング、およびバイアス評価のための人口統計予測をサポートする。
  論文  参考訳（メタデータ） (2025-09-30T00:29:18Z)
• DermINO: Hybrid Pretraining for a Versatile Dermatology Foundation Model [92.66916452260553]
  DermNIOは皮膚科学の多目的基盤モデルである。 自己教師型学習パラダイムを増強する、新しいハイブリッド事前学習フレームワークが組み込まれている。 さまざまなタスクにおいて、最先端のモデルよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-17T00:41:39Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
  遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。 画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。 本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
  論文  参考訳（メタデータ） (2023-09-26T03:59:21Z)
• GastroVision: A Multi-class Endoscopy Image Dataset for Computer Aided Gastrointestinal Disease Detection [6.231109933741383]
  本データセットは, 解剖学的所見, 病理所見, ポリープ除去症例, 正常所見を含む。 経験豊富なGI内科医によって注釈され、検証された。 我々のデータセットは、GI病の検出と分類のためのAIベースのアルゴリズムの開発を促進することができると信じている。
  論文  参考訳（メタデータ） (2023-07-16T19:36:03Z)
• AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation [50.21065317817769]
  本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。 パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
  論文  参考訳（メタデータ） (2022-03-18T13:43:53Z)
• Heterogeneity Loss to Handle Intersubject and Intrasubject Variability in Cancer [11.440201348567681]
  深層学習(DL)モデルは、医学領域において顕著な結果を示している。 これらのAI手法は、開発途上国に安価な医療ソリューションとして大きな支援を提供することができる。 この研究は、そのような血液がん診断の応用に焦点をあてている。
  論文  参考訳（メタデータ） (2020-03-06T16:16:23Z)

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。