論文の概要: Explanation-Guided Medical Named Entity Recognition with Stability and Boundary Awareness for Atopic Dermatitis

• arxiv url: http://arxiv.org/abs/2606.22886v1
• Date: Mon, 22 Jun 2026 05:56:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 03:51:24.606962
• Title: Explanation-Guided Medical Named Entity Recognition with Stability and Boundary Awareness for Atopic Dermatitis
• Title（参考訳）: アトピー性皮膚炎に対する説明誘導型実体認識の安定性と境界認識
• Authors: Xueguang Li, Di Lin, Xue Jiang, Yanxi Li, Yugang Chi,
• Abstract要約: 安定性とバウンダリを考慮した説明誘導型NERフレームワークを提案する。 適応的な融合戦略は、局所的および大域的な説明を動的に組み合わせ、より信頼性の高いトークンレベルの説明を生成する。 中国アトピー性皮膚炎 (AD) の臨床テキストに対する実験により, 提案手法は説明の堅牢性を改善し, 一貫した性能向上を実現することが示された。
• 参考スコア（独自算出の注目度）: 17.522610156931908
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Objective: This study aims to improve the reliability and robustness of medical named entity recognition (NER) in Chinese atopic dermatitis (AD) clinical texts through explanation-guided learning. Methods: We propose a stability and boundary-aware explanation-guided NER framework. Perturbation-based analysis is used to evaluate explanation stability and entity boundary sensitivity. An adaptive fusion strategy dynamically combines local and global explanation to generate more reliable token-level explanations. The fused explanation signals are further incorporated into model training through stability, boundary-aware, and consistency constraints. Results: Experiments on Chinese AD NER datasets show that the proposed framework improves explanation robustness and achieves consistent performance gains across multiple NER models. The adaptive fusion strategy also provides more stable explanations and stronger boundary perception than individual explanation methods. Conclusion: The proposed method effectively integrates reliable explanation signals into medical NER training, improving both recognition performance and explanation reliability. The framework provides a practical and generalizable solution for explainable medical NER and offers reliable support for downstream clinical decision-making and medical knowledge applications.
• Abstract（参考訳）: 目的: 本研究は,中国アトピー性皮膚炎(AD)臨床テキストにおける医学的実体認識(NER)の信頼性と堅牢性を向上させることを目的としている。 方法: 安定性とバウンダリを考慮した説明誘導型NERフレームワークを提案する。 摂動に基づく解析は、説明安定性と実体境界感度を評価するために用いられる。 適応的な融合戦略は、局所的および大域的な説明を動的に組み合わせ、より信頼性の高いトークンレベルの説明を生成する。 融合した説明信号は、安定性、境界認識、一貫性の制約によるモデルトレーニングにさらに組み込まれている。 結果: 中国語AD NERデータセットの実験から,提案手法は説明の堅牢性を向上し,複数のNERモデルに対して一貫した性能向上を実現することが示された。 適応的な融合戦略は、個々の説明法よりも安定した説明と強い境界認識を提供する。 結論: 提案手法は医用NERトレーニングに信頼性説明信号を効果的に統合し, 認識性能と説明信頼性を両立させる。 このフレームワークは、説明可能な医療NERのための実用的で汎用的なソリューションを提供し、下流の臨床的意思決定および医療知識アプリケーションに対する信頼性の高いサポートを提供する。

関連論文リスト

• Medical Model Synthesis Architectures: A Case Study [72.46211022258122]
  現在のAIシステムは、不確実性の下で調整された推論に苦労している。 我々は,不確実性の下で,現実的に有用だが公式に透過的な臨床予測を行うことができるAIシステムのためのフレームワークを提案する。 このフレームワークの最初の概念実証は、どのようにして差分診断に利用できるかを示す。
  論文  参考訳（メタデータ） (2026-05-10T19:30:16Z)
• Concept-Enhanced Multimodal RAG: Towards Interpretable and Accurate Radiology Report Generation [12.226029763256962]
  VLM(Vision-Language Models)による放射線学レポート生成は、ドキュメントの負担軽減、レポートの一貫性の向上、臨床導入の加速を約束する。 既存の研究では、解釈可能性と精度を別々の目的として扱い、概念に基づく説明可能性技術は透明性に重点を置いている。 本稿では,視覚表現を解釈可能な臨床概念に分解する統合フレームワークであるCEMRAG(Concept-Enhanced Multimodal RAG)を提案する。
  論文  参考訳（メタデータ） (2026-02-17T15:18:07Z)
• Strong Reasoning Isn't Enough: Evaluating Evidence Elicitation in Interactive Diagnosis [29.630872344186873]
  インタラクティブな医療相談は、エージェントが不確実性の下で行方不明な臨床証拠を積極的に引き出す必要がある。 既存の評価の大部分は静的あるいは結果中心であり、エビデンス収集プロセスを無視している。 シミュレーションされた患者と、原子的証拠に基づく再現されたレポーターを用いて、コンサルテーションプロセスを明示的にモデル化するインタラクティブな評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-27T16:36:35Z)
• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• Towards Reliable Medical LLMs: Benchmarking and Enhancing Confidence Estimation of Large Language Models in Medical Consultation [97.36081721024728]
  本稿では,現実的な医療相談におけるマルチターンインタラクションの信頼性を評価するための最初のベンチマークを提案する。 本ベンチマークでは,3種類の医療データを統合し,診断を行う。 本稿では,エビデンスを基盤とした言語自己評価フレームワークであるMedConfを紹介する。
  論文  参考訳（メタデータ） (2026-01-22T04:51:39Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• 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)
• GEMeX-RMCoT: An Enhanced Med-VQA Dataset for Region-Aware Multimodal Chain-of-Thought Reasoning [60.03671205298294]
  医学的視覚的質問応答は、医学的イメージに基づいた自然言語的質問にモデルで答えることによって、臨床的な意思決定を支援することを目的としている。 現在の方法はまだ、答えの信頼性の制限と解釈性の低下に悩まされている。 この研究はまず、回答を生成するプロセスが中間的推論ステップのシーケンスに先行する領域対応マルチモーダル・チェーン・オブ・ソートデータセットを提案する。
  論文  参考訳（メタデータ） (2025-06-22T08:09:58Z)
• An Explainable Diagnostic Framework for Neurodegenerative Dementias via Reinforcement-Optimized LLM Reasoning [1.5646349560044959]
  診断透明性を高めるために2つのコアコンポーネントを統合するフレームワークを提案する。 まず,3次元T1強調脳MRIをテキスト・ラジオグラフィー・レポートに変換するモジュールパイプラインを提案する。 第2に,現代大規模言語モデル(LLM)の可能性を探り,臨床医の鑑別診断を支援する。
  論文  参考訳（メタデータ） (2025-05-26T13:18:32Z)
• Secure Diagnostics: Adversarial Robustness Meets Clinical Interpretability [9.522045116604358]
  医用画像分類のためのディープニューラルネットワークは、臨床実践において一貫して一般化することができないことが多い。 本稿では, フラクチャー検出のために微調整された深部ニューラルネットワークの解釈可能性について, 対向攻撃に対するモデル性能の評価により検討する。
  論文  参考訳（メタデータ） (2025-04-07T20:26:02Z)
• Elucidating Discrepancy in Explanations of Predictive Models Developed using EMR [2.1561701531034414]
  透明性と説明責任の欠如は、機械学習(ML)アルゴリズムの臨床的採用を妨げる。 本研究は電子カルテ(EMR)データのために開発された臨床診断支援アルゴリズムに適用する。
  論文  参考訳（メタデータ） (2023-11-28T10:13:31Z)

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。