論文の概要: Multilingual Hematology Visual Question Answering Dataset
- arxiv url: http://arxiv.org/abs/2606.25246v1
- Date: Wed, 24 Jun 2026 00:06:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.168698
- Title: Multilingual Hematology Visual Question Answering Dataset
- Title（参考訳）: マルチリンガル・ヘマトロジーの視覚的質問応答データセット
- Abstract要約: WBCMor VQAは、臨床的に検証されたバイリンガル英語、Urdu morphology aware VQA benchmark for leukemia and normal white cell analysisである。
このベンチマークは、LeukemiaAttriとWBCAttデータセットのモルフォロジー対応アノテーションを使用して構築され、ドメイン固有のUrdu辞書でサポートされている。
提案するリソースは、多言語医療環境のためのアクセス可能で臨床的に関連するAIシステムの開発を促進することを目的としている。
- 参考スコア（独自算出の注目度）: 8.690777023437052
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Vision Language Models (VLMs) have shown promising capabilities in medical image analysis by jointly understanding visual and textual information for tasks such as Visual Question Answering. However, existing hematology vision-language resources remain predominantly English centric, limiting their applicability in multilingual healthcare environments. This challenge is releveant generally to South Asia and specifically to Pakistan, where Urdu is widely used despite healthcare information and digital medical systems being largely dependent on English. To investigate this gap, we conducted a survey among healthcare professionals, which revealed substantial language mismatches between clinical documentation and patient communication, emphasizing the need for multilingual healthcare technologies. To address this limitation, we introduce WBCMor VQA, a clinically validated bilingual English, Urdu morphology aware VQA benchmark for leukemia and normal white blood cell analysis. The benchmark is constructed using morphology-aware annotations from LeukemiaAttri and WBCAtt datasets and supported by a domain specific Urdu hematology dictionary to ensure linguistic consistency and clinical correctness. The final benchmark contains 110K bilingual question answer pairs serving as VQA annotations for 20K leukemic and normal single-cell images. Furthermore, we establish baseline performance by evaluating multiple open-source VLMs on the proposed benchmark. The proposed resource aims to facilitate the development of accessible and clinically relevant AI systems for multilingual healthcare environments.
- Abstract（参考訳）: 視覚言語モデル(VLM)は、視覚質問応答などのタスクの視覚情報とテキスト情報を共同で理解することで、医用画像解析において有望な能力を示した。
しかし、既存の血液学の視覚言語資源は、主に英語中心であり、多言語医療環境における適用性を制限している。
この課題は一般的に南アジア、特にパキスタンに向けられ、Urduは医療情報やデジタル医療システムが主に英語に依存しているにもかかわらず広く利用されている。
このギャップを調査するため,医療従事者を対象に,臨床文書と患者間コミュニケーションの言語ミスマッチを明らかにし,多言語医療技術の必要性を強調した。
この制限に対処するために、臨床的に検証されたバイリンガル英語であるWBCMor VQA、白血病と正常な白血球分析のためのUrdu morphology aware VQAベンチマークを導入する。
このベンチマークは、LeukemiaAttriおよびWBCAttデータセットのモルフォロジーを意識したアノテーションを使用して構築され、言語的一貫性と臨床的正確性を確保するために、ドメイン固有のUrdu血液学辞書によってサポートされている。
最終ベンチマークには、20Kの白血病と通常の単細胞画像のためのVQAアノテーションとして機能する110Kのバイリンガル質問応答ペアが含まれている。
さらに,提案したベンチマークに基づいて,複数のオープンソースVLMを評価することで,ベースライン性能を確立する。
提案するリソースは、多言語医療環境のためのアクセス可能で臨床的に関連するAIシステムの開発を促進することを目的としている。
関連論文リスト
- Does Language Shift Break Medical Vision-Language Models? Indonesian Radiology Visual Question Answering Case Study [2.8292841621378844]
本稿ではインドネシアのVQA-RADを応用したIndoRad-VQAを紹介する。
一般目的, 東南アジア多言語, 医療特化VLMを英語で評価し, 設定を推し進めた。
以上の結果から,英語の医療用VQAベンチマークにおける強い評価は,必ずしもインドネシアの臨床的文脈におけるロバストな行動に結びつくとは限らないことが示唆された。
論文 参考訳（メタデータ） (2026-06-02T14:14:27Z) - SwasthLLM: a Unified Cross-Lingual, Multi-Task, and Meta-Learning Zero-Shot Framework for Medical Diagnosis Using Contrastive Representations [0.4077787659104315]
SwasthLLMは、医用診断のための統一、ゼロショット、クロスランガル、マルチタスク学習フレームワークである。
英語、ヒンディー語、ベンガル語で、言語固有の微調整を必要としない。
SwasthLLMは97.22%、F1スコア97.17%という高い診断性能を達成している。
論文 参考訳（メタデータ） (2025-09-24T21:20:49Z) - MedQARo: A Large-Scale Benchmark for Medical Question Answering in Romanian [50.767415194856135]
ルーマニア初の大規模医療QAベンチマークであるMedQARoを紹介する。
がん患者に関連する102,646のQAペアからなる高品質で大規模なデータセットを構築した。
論文 参考訳（メタデータ） (2025-08-22T13:48:37Z) - A Survey of Medical Vision-and-Language Applications and Their Techniques [48.268198631277315]
医療ビジョン・アンド・ランゲージモデル(MVLM)は、複雑な医療データを解釈するための自然言語インタフェースを提供する能力から、大きな関心を集めている。
本稿では,MVLMの概要と適用した各種医療課題について概観する。
また、これらのタスクに使用するデータセットについても検討し、標準化された評価指標に基づいて異なるモデルの性能を比較した。
論文 参考訳（メタデータ） (2024-11-19T03:27:05Z) - WorldMedQA-V: a multilingual, multimodal medical examination dataset for multimodal language models evaluation [4.149844666297669]
マルチモーダル/ビジョン言語モデル(VLM)は、世界中の医療分野でますます普及している。
既存のデータセットはテキストのみであり、言語や国の限られたサブセットで利用可能である。
WorldMedQA-Vには、4カ国の医療画像と組み合わせて568のラベル付き多重選択QAが含まれている。
論文 参考訳（メタデータ） (2024-10-16T16:31:24Z) - Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。
MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。
マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
論文 参考訳（メタデータ） (2024-04-10T07:41:35Z) - Intent Identification and Entity Extraction for Healthcare Queries in
Indic Languages [16.39183257795811]
インドのような先進国では、データとリソース不足言語の技術的な制限が、医療のための高度なNLUシステムの開発に脅威をもたらしている。
本稿では、2つの異なるヘルスケアデータセットを提案する。
我々の目標は、クエリインテントを検出し、対応するエンティティを抽出することである。
論文 参考訳（メタデータ） (2023-02-19T22:53:03Z) - Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of
Code-Mixed Clinical Texts [56.72488923420374]
事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。
脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
論文 参考訳（メタデータ） (2022-04-10T21:46:52Z) - CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
中国初のバイオメディカル言語理解評価ベンチマークを提示する。
名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。
本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
論文 参考訳（メタデータ） (2021-06-15T12:25:30Z) - AM2iCo: Evaluating Word Meaning in Context across Low-ResourceLanguages
with Adversarial Examples [51.048234591165155]
本稿では, AM2iCo, Adversarial and Multilingual Meaning in Contextを提案する。
言語間文脈における単語の意味の同一性を理解するために、最先端(SotA)表現モデルを忠実に評価することを目的としている。
その結果、現在のSotAプリトレーニングエンコーダは人間のパフォーマンスにかなり遅れていることが明らかとなった。
論文 参考訳（メタデータ） (2021-04-17T20:23:45Z)
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。