論文の概要: EchoSonar-R: A Multi-View Reasoning-Enabled Model for Disease Classification and Report Generation in Echocardiography
- arxiv url: http://arxiv.org/abs/2606.28164v1
- Date: Fri, 26 Jun 2026 14:58:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.526863
- Title: EchoSonar-R: A Multi-View Reasoning-Enabled Model for Disease Classification and Report Generation in Echocardiography
- Title（参考訳）: EchoSonar-R: 心エコー図における疾患分類と報告生成のための多視点推論モデル
- Abstract要約: 疾患分類と報告生成を共同で行う多視点推論対応視覚対応モデルであるEchoSonar-Rを提案する。
EchoSonar-Rは2つの段階で訓練されている: 推論アノテート対象に関する教師付き微細言語エンコーダ (SFT) と、タスク固有の報酬を伴うグループ相対ポリシー最適化 (O) である。
EchoSonar-Rではマクロバランスの精度が17.1%向上し、MIMICQAでは6.1%向上した。
- 参考スコア（独自算出の注目度）: 4.445909648625997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Echocardiography is the most widely used non-invasive cardiac imaging modality, providing essential information for cardiovascular diagnosis. Interpreting an echocardiogram requires synthesizing complementary evidence across multiple heart views to identify abnormalities and produce structured clinical reports. While recent efforts focus on improving classification performance, most models lack explicit diagnostic reasoning and spatially grounded anatomical evidence, limiting clinician trust. We present EchoSonar-R, a multi-view reasoning-enabled vision-language model that jointly performs multi-label disease classification and report generation from echocardiography studies. EchoSonar-R combines a spatiotemporal video encoder with a structure-aware cardiac detector that provides spatially grounded anatomical cues to improve interpretability and clinician trust during cross-view reasoning. EchoSonar-R is trained in two stages: supervised fine-tuning (SFT) on reasoning-annotated targets, followed by Group Relative Policy Optimization (GRPO) with task-specific rewards that jointly align classification and report generation within a unified reinforcement-learning framework. Across a private multi-view dataset and two public benchmarks, EchoSonar-R improves macro balanced accuracy by 17.1% on the private set and 6.1% on MIMICEchoQA over the strongest baseline, achieves a GREEN clinical faithfulness score of 0.800, and produces interpretable reasoning traces grounded in multi-view visual evidence.
- Abstract（参考訳）: 心エコー法は非侵襲的心筋イメージング法として最も広く用いられており、心臓血管診断に不可欠な情報となっている。
心エコー図を解釈するには、異常を識別し、構造化された臨床報告を作成するために、複数の心臓ビューに相補的な証拠を合成する必要がある。
最近の研究は分類性能の改善に重点を置いているが、ほとんどのモデルは明確な診断的推論と、臨床医の信頼を制限した空間的根拠を欠いている。
本稿では,多視点推論可能な視覚言語モデルであるEchoSonar-Rについて紹介する。
EchoSonar-Rは、時空間ビデオエンコーダと、空間的に接地された解剖学的手がかりを提供する構造を意識した心臓検出器を組み合わせることで、クロスビュー推論における解釈可能性と臨床信頼を向上させる。
EchoSonar-Rは、推論アノテートされたターゲットに関する教師付き微調整(SFT)と、統合強化学習フレームワーク内の分類とレポート生成を協調的に調整するタスク固有の報酬を持つグループ相対ポリシー最適化(GRPO)の2つの段階で訓練されている。
プライベートなマルチビューデータセットと2つの公開ベンチマークを通じて、EchoSonar-Rは、プライベートセットのマクロバランス精度を17.1%改善し、MIMICEchoQAの6.1%を最強ベースラインで達成し、GREENの臨床忠実度スコア0.800を達成し、マルチビューの視覚的証拠に基づく解釈可能な推論トレースを生成する。
関連論文リスト
- ClinRAG-GRAPH: Clinical-prior Retrieval-Augmented Graph Model with Domain Adversarial Learning for Breast pCR Prediction [27.661246388005384]
ClinRAG-GRAPHは,pCR(pre-treatment pathological complete response)予測のためのフレームワークである。
ClinRAG-GRAPHは、患者内臨床・プライアグラフを構築し、構造化マルチモーダル表現学習のための事前ガイダンス付き関係対応グラフ畳み込みネットワークを適用した。
ClinRAG-GRAPHは内部テストセットで0.815、外部テストセットで0.774/0.712のAUCを達成し、センター全体で堅牢なpCR予測を実証している。
論文 参考訳（メタデータ） (2026-07-01T11:28:01Z) - Echo-α: Large Agentic Multimodal Reasoning Model for Ultrasound Interpretation [76.6507710204181]
超音波解釈のためのエージェント型マルチモーダル推論モデルであるEcho-を提案する。
Echo-は臓器固有の検出出力を調整し、それらをグローバルな視覚的コンテキストに統合し、その結果の証拠を根拠となる診断決定に変換するように訓練されている。
以上の結果から, エージェントによるマルチモーダル推論は, 特定検出器を検証可能な臨床証拠にすることができることが示唆された。
論文 参考訳（メタデータ） (2026-04-30T15:31:00Z) - Evidence-Based Actor-Verifier Reasoning for Echocardiographic Agents [25.763431177629638]
視覚言語モデル(VLM)は,臨床診断支援のための超音波理解システムを構築するための新たな道を開いた。
本稿では,心エコー図を用いたエージェントの信頼性評価のためのエビデンス駆動アクタ検証フレームワークであるEchoTrustを提案する。
論文 参考訳（メタデータ） (2026-04-07T18:26:46Z) - Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。
消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。
本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-21T07:47:37Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - Echo-CoPilot: A Multi-View, Multi-Task Agent for Echocardiography Interpretation and Reporting [8.162197738994479]
本稿では,多視点マルチタスクエージェントであるEcho-CoPilotを紹介する。
ReActスタイルのループ内で、エージェントは臨床クエリを分解し、ビュー認識、心臓構造セグメンテーション、測定と疾患予測、およびレポート合成のためのツールを起動する。
公開MIMIC-EchoQAベンチマークでEcho-CoPilotを評価し、50.8%の精度で、汎用的およびバイオメディカルなビデオビジョン言語モデルよりも優れています。
論文 参考訳（メタデータ） (2025-12-06T23:27:54Z) - CardioRAG: A Retrieval-Augmented Generation Framework for Multimodal Chagas Disease Detection [3.2889108396912974]
チャガス病は世界中で約600万人に影響を及ぼし、チャガス心筋症は最も重篤な合併症である。
血清検査能力が限られている地域では、AI強化心電図(ECG)スクリーニングが重要な診断代替手段となる。
本稿では,大きな言語モデルと解釈可能なECGに基づく臨床特徴を統合した検索拡張生成フレームワークCardioRAGを提案する。
論文 参考訳（メタデータ） (2025-10-02T01:02:04Z) - Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。
本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。
SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
論文 参考訳（メタデータ） (2025-09-30T08:59:06Z) - A Fully Open and Generalizable Foundation Model for Ultrasound Clinical Applications [77.3888788549565]
一般臨床用超音波基礎モデルであるEchoCareについて紹介する。
我々は、キュレートされた、一般公開された大規模なデータセットであるEchoCareData上で、自己教師付き学習を通じてEchoCareを開発した。
最小限のトレーニングで、EchoCareは10の代表的なベンチマークで最先端の比較モデルを上回っている。
論文 参考訳（メタデータ） (2025-09-15T10:05:31Z) - EchoApex: A General-Purpose Vision Foundation Model for Echocardiography [9.202542805578432]
本稿では,初の汎用視覚基礎モデルであるEchoApexを紹介し,様々な臨床応用について紹介する。
自己教師付き学習を活用して、EchoApexは11の臨床センターから2000万以上のエコー画像に事前訓練されている。
最先端のタスク固有のモデルと比較すると、EchoApexは統一されたイメージエンコーディングアーキテクチャでパフォーマンスが改善されている。
論文 参考訳（メタデータ） (2024-10-14T21:10:56Z) - Factored Attention and Embedding for Unstructured-view Topic-related
Ultrasound Report Generation [70.7778938191405]
本研究では,非構造的トピック関連超音波レポート生成のための新しい因子的注意・埋め込みモデル(FAE-Gen)を提案する。
提案したFAE-Genは主に2つのモジュール、すなわちビュー誘導因子の注意とトピック指向因子の埋め込みから構成されており、異なるビューで均質および不均一な形態的特徴を捉えている。
論文 参考訳（メタデータ） (2022-03-12T15:24:03Z)
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。