論文の概要: TAVR-VLM: Risk-Conditioned Causal Grounding for Hallucination-Resistant Report Generation
- arxiv url: http://arxiv.org/abs/2606.26874v1
- Date: Thu, 25 Jun 2026 11:01:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.253175
- Title: TAVR-VLM: Risk-Conditioned Causal Grounding for Hallucination-Resistant Report Generation
- Title（参考訳）: TAVR-VLM:ハロシン化のためのリスク調和型因果接地
- Abstract要約: TAVR-VLMはリスク調和型因果的接地注意(R-CGA)を特徴とする新しいフレームワークである
R-CGAはマルチモーダル入力を因果リスクボトルネックに圧縮し、密集した視覚的特徴をグローバルリスクマスクに浄化する。
0.896のAUROCを達成し、CIDErを0.936に引き上げ、幻覚率を8.1%に劇的に下げ、エビデンスベースの外科的AIの解釈性を向上させる。
- 参考スコア（独自算出の注目度）: 20.893289854081885
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Transcatheter Aortic Valve Replacement (TAVR) planning requires meticulous multimodal reasoning. However, adapting Multimodal Large Language Models (MLLMs) to this high-stakes domain is severely impeded by diagnostic hallucinations, where generated text lacks anatomical grounding. To address this, TAVR-VLM is introduced: a novel framework featuring Risk-Conditioned Causal Grounding Attention (R-CGA) that instantiates a model-internal ``Risk $\rightarrow$ Region $\rightarrow$ Word'' structural grounding pathway. R-CGA compresses multimodal inputs into a causal risk bottleneck, purifying dense visual features into a global risk mask. During autoregressive generation, a support-projected causal consistency objective constrains token-level grounding within the risk-defined support mask. Evaluated on $\text{M}^3\text{TAVR}$, a comprehensive 1,482-patient cohort, TAVR-VLM establishes a new state-of-the-art. It achieves an AUROC of 0.896, boosts CIDEr to 0.936, and drastically reduces the hallucination rate to 8.1\%, thereby improving interpretability for evidence-based surgical AI.
- Abstract（参考訳）: Transcatheter Aortic Valve Replacement (TAVR) 計画には、巧妙なマルチモーダル推論が必要である。
しかし,マルチモーダル大言語モデル (MLLM) をハイテイク領域に適用することは,解剖学的根拠が欠如している診断幻覚によって著しく阻害される。
この問題を解決するために、TAVR-VLMは、モデル内部の ``Risk $\rightarrow$ Region $\rightarrow$ Word' の構造的接地経路をインスタンス化するリスク定義因果的接地注意(R-CGA)を特徴とする新しいフレームワークである。
R-CGAはマルチモーダル入力を因果リスクボトルネックに圧縮し、密集した視覚的特徴をグローバルリスクマスクに浄化する。
自己回帰生成において、サポート計画の因果一貫性目標がリスク定義支援マスク内のトークンレベルグラウンドを制約する。
総合的な1,482人の患者コホートである$\text{M}^3\text{TAVR}$で評価され、TAVR-VLMは新たな最先端技術を確立する。
0.896のAUROCを達成し、CIDErを0.936に引き上げ、幻覚率を8.1\%に劇的に下げ、エビデンスベースの外科的AIの解釈性を向上させる。
関連論文リスト
- Gradient-Based Latent Decomposition Reveals Mechanisms of Feature Degradation in Weakly Supervised Mammography [0.0]
弱教師付き階層モデルは永続的な非対称性を示す。
粗い病変型の特徴は再建時に保存され, 微粒な悪性度は低下する。
高次元空間では、1つの粗いスーパーバイザー信号が1次元の遅延方向のみを分離し、臨界きめ細かい特徴を弱い残留部分空間に強制する。
論文 参考訳（メタデータ） (2026-07-24T01:04:07Z) - Understanding Diversity Collapse in RLVR via the Lens of Overtraining [78.37408098404312]
検証可能な報酬付き強化学習(RLVR)は,大規模言語モデルの推論能力を高めるための重要なアプローチとなっている。
我々は、この多様性の崩壊をエンフェーバートレーニングのレンズを通してフォーマルに定式化する
本稿では,各問題の限界寄与を推論境界に推定することにより,オーバートレーニングから最適化をリダイレクトするemphBayesian boundary Gating (BBG)を提案する。
論文 参考訳（メタデータ） (2026-06-13T20:13:37Z) - Retina-RAG: Retrieval-Augmented Vision-Language Modeling for Joint Retinal Diagnosis and Clinical Report Generation [3.1387745968672274]
Retina-RAGは、糖尿病網膜症(DR)の重症度、黄斑浮腫(ME)の検出、レポート生成を共同で行う、低コストなモジュラーフレームワークである。
検索拡張生成(RAG)モジュールは、構造化分類器出力とともに硬化した眼科知識を注入する。
論文 参考訳（メタデータ） (2026-05-07T12:54:53Z) - Enhancing Fine-Grained Spatial Grounding in 3D CT Report Generation via Discriminative Guidance [16.566888073449714]
ラジオロジーレポート生成(RRG)のための視覚言語モデル(VLM)は、ボリュームスキャンから長めの胸部CTレポートを生成することができる。
既存の方法は2つの重要な制限に直面している: (i) トレーニングの監督は、しばしば粗くなり、きめ細かい属性や病理の場所を明示的に調整することなく、CTのボリューム全体を完全な自由テキストのレポートと整列する。
本稿では,フリーテキストレポートから微細なキューを蒸留し,レポート生成をガイドするプラグイン・アンド・プレイフレームワークであるPrompt Dropout (DCP-PD) を用いたemphDiscrimi Cue-Promptingを提案する。
論文 参考訳（メタデータ） (2026-04-12T03:25:41Z) - SA-CycleGAN-2.5D: Self-Attention CycleGAN with Tri-Planar Context for Multi-Site MRI Harmonization [3.5109108807229403]
本稿では,Ben-David らによる$HH$-divergence 境界によるドメイン適応フレームワーク SA-CycleGAN-2.5D を提案する。
2D効率と3D一貫性をブリッジすることで,腫瘍の病態を保ったボクセルレベルの高調波画像が得られる。
論文 参考訳（メタデータ） (2026-03-17T23:49:46Z) - Brain-WM: Brain Glioblastoma World Model [56.45393372490125]
我々は、次世代治療予測と将来のMRI生成を統一する先駆的なGBMワールドモデルであるBrain-WMを提案する。
Brain-WMは、潜在ダイナミクスを共有潜在空間に符号化し、関節自己回帰治療予測とフローベース将来のMRI生成を行う。
最終的にBrain-WMは、患者医療を最適化するための堅牢な臨床サンドボックスを提供する。
論文 参考訳（メタデータ） (2026-03-08T09:54:08Z) - Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。
提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。
本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文 参考訳（メタデータ） (2026-02-27T04:49:01Z) - From Conflict to Consensus: Boosting Medical Reasoning via Multi-Round Agentic RAG [65.0203623486525]
大規模言語モデル(LLM)は、医学的質問応答において高い推論能力を示す。
幻覚や時代遅れの知識を生み出す傾向は、医療分野において重大なリスクをもたらす。
既存の手法はノイズの多いトークンレベルの信号に依存しており、複雑な推論に必要なマルチラウンドの改良は欠如している。
論文 参考訳（メタデータ） (2026-02-06T08:25:30Z) - SSVP: Synergistic Semantic-Visual Prompting for Industrial Zero-Shot Anomaly Detection [55.54007781679915]
本稿では,多種多様な視覚的エンコーディングを効率よく融合させ,モデルの微粒化知覚を高めるSynergistic Semantic-Visual Prompting (SSVP)を提案する。
SSVPは、MVTec-AD上で93.0%のImage-AUROCと92.2%のPixel-AUROCで最先端のパフォーマンスを達成し、既存のゼロショットアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2026-01-14T04:42:19Z) - How to make Medical AI Systems safer? Simulating Vulnerabilities, and Threats in Multimodal Medical RAG System [21.40560864239872]
我々は医療用RAGシステムの脆弱性を調査する新しいフレームワークであるMedThreatRAGを提案する。
我々のアプローチの重要な革新は、シミュレーションされたセミオープンアタック環境の構築である。
We show that MedThreatRAG reduces answer F1 scores to 27.66% and downs LLaVA-Med-1.5 F1 rate to 51.36%。
論文 参考訳（メタデータ） (2025-08-24T05:11:09Z) - VSF-Med:A Vulnerability Scoring Framework for Medical Vision-Language Models [6.390468088226493]
VSF-Medは医療ビジョン言語モデル(VLM)のためのエンドツーエンドの脆弱性修正フレームワークである。
VSF-Medは5000個の放射線画像から3万以上の敵の変種を合成し、単一のコマンドで医療用VLMの再現可能なベンチマークを可能にする。
Llama-3.2-11B-Vision-Instructは、攻撃効果の持続性に対して1.29sigma$をピーク脆弱性として、GPT-4oは0.69sigma$を同じベクトルに対して0.28sigma$をピーク脆弱性として示す。
論文 参考訳（メタデータ） (2025-06-25T02:56:38Z) - Provably Efficient CVaR RL in Low-rank MDPs [58.58570425202862]
リスクに敏感な強化学習(RL)について検討する。
本稿では, CVaR RLにおける探索, 搾取, 表現学習の相互作用のバランスをとるための, 新たなアッパー信頼境界(UCB)ボーナス駆動アルゴリズムを提案する。
提案アルゴリズムは,各エピソードの長さが$H$,アクション空間が$A$,表現の次元が$d$であるような,エプシロン$最適CVaRのサンプル複雑性を実現する。
論文 参考訳（メタデータ） (2023-11-20T17:44:40Z) - Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。
視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。
我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。
IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2023-03-16T07:23:55Z)
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。