論文の概要: Cross-Contextual Vision-Language Adaptation with LoRA for Personalized Severe Adverse Event Detection in Clinical Wound Monitoring
- arxiv url: http://arxiv.org/abs/2607.05625v1
- Date: Mon, 06 Jul 2026 20:32:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.323462
- Title: Cross-Contextual Vision-Language Adaptation with LoRA for Personalized Severe Adverse Event Detection in Clinical Wound Monitoring
- Title（参考訳）: 臨床画像モニタリングにおけるLoRAを用いたコンテキスト横断型視覚言語適応による個人化逆イベント検出
- Abstract要約: 本稿では,自動創傷モニタリングとSAE検出のためのマルチモーダルフレームワークを提案する。
本手法では, 外観, 周囲の皮膚状態, 色の変化, 炎症や治癒の兆候など, 視覚的特徴を捉えた臨床記録と創傷記述を併用する。
臨床訪問を通じて収集した縦断傷データセットの実験は、創傷治癒評価とSAE検出の両方に有望な性能を示した。
- 参考スコア（独自算出の注目度）: 28.387322144750726
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Wound monitoring is a critical yet underserved clinical challenge, where timely identification of severe adverse events (SAEs) such as infection, tissue deterioration, and delayed healing can significantly impact patient outcomes. While vision-language models (VLMs) show strong multimodal reasoning, they often lack domain-specific grounding to integrate wound imagery with heterogeneous clinical information, and provide limited mechanisms for detecting cases that diverge from the training distribution. We present a multimodal framework for automated wound monitoring and SAE detection. Our approach leverages paired clinical notes and wound descriptions capturing visual characteristics such as appearance, surrounding skin condition, color changes, and signs of inflammation or healing progression, encoded through a dual-stream Low-Rank Adaptation (LoRA) framework built on a frozen BiomedCLIP backbone. We introduce a cross-contextual LoRA fusion mechanism enabling information exchange between clinical semantics and visual wound descriptors, producing context-aware multimodal representations without full model fine-tuning. To identify personalized SAEs, we propose a wound-specific out-of-distribution (OOD) detection framework combining semantic matching, visual typicality, caption-text alignment, and caption-visual alignment into a unified SAE (OOD) score. To capture healing dynamics, we incorporate covariate consistency and temporal drift penalties that leverage changes in wound characteristics across visits. Experiments on a longitudinal wound dataset collected through clinical visits show promising performance on both wound healing assessment and SAE detection, highlighting the potential of semantically enriched, temporally aware vision-language systems for clinical wound monitoring and early risk identification.
- Abstract（参考訳）: 創傷モニタリングは、感染症、組織劣化、治療の遅れといった重篤な有害事象(SAE)のタイムリーな同定が、患者の予後に大きく影響する。
視覚言語モデル(VLM)は、強いマルチモーダル推論を示すが、創傷画像と異種臨床情報を統合するためのドメイン固有の基盤を欠くことが多く、訓練分布から分岐する症例を検出するための限られたメカニズムを提供する。
本稿では,自動創傷モニタリングとSAE検出のためのマルチモーダルフレームワークを提案する。
本手法では,凍結したBiomedCLIPバックボーン上に構築されたデュアルストリームローランド適応(LoRA)フレームワークを用いて,外観,周囲の皮膚状態,色変化,炎症や治癒の兆候などの視覚的特徴を捉えた臨床記録と創傷記述を利用する。
本稿では,臨床意味学と視覚的創傷記述学の情報を交換する,コンテキスト対応のマルチモーダル表現をフルモデル微調整なしで生成する,コンテキストコンテキスト型LoRA融合機構を提案する。
パーソナライズされたSAEを識別するために、セマンティックマッチング、視覚的特徴、キャプション・テキストアライメント、キャプション・ビジュアルアライメントを統合されたSAE(OOD)スコアに組み合わせた、創傷特異的なアウト・オブ・ディストリビューション(OOD)検出フレームワークを提案する。
癒しのダイナミクスを捉えるため,訪問時の創傷特性の変化を生かした共変量一貫性と時間的ドリフトペナルティを取り入れた。
臨床訪問を通じて収集された経時的創傷データセットの実験は、創傷治癒評価とSAE検出の両方に有望な性能を示し、臨床的創傷モニタリングと早期リスク同定のための意味的に豊かで時間的に認識された視覚言語システムの可能性を強調した。
関連論文リスト
- Concept-Grounded Reasoning with Prompt-Driven Localization for Interpretable Structured Report Generation [66.62662330558906]
CORALは、空間的接地と概念レベルの監督を統一的な推論プロセスに統合するマルチモーダルフレームワークである。
コーラルは、疾患の局所化とコンセプション・ボトルネックモジュールによる多クラス臨床属性の予測のために、プロンプト駆動型医療セグメンテーションモデルを採用している。
BUS-CoTとIU X線データセットの実験では、診断精度、概念整合性、報告品質が強力な汎用および医療MLLMよりも一貫した改善が示されている。
論文 参考訳（メタデータ） (2026-09-14T10:21:23Z) - Multimodal Prompt Learning with Irregular EHRs for Robust Monitoring of Critical Care Patients [7.355504522142393]
多様な欠落シナリオ下での堅牢な臨床予測のためのマルチモーダル・プロンプト学習フレームワークを提案する。
生成プロンプトは、利用できないモダリティのための潜在表現を代理するが、欠落信号プロンプトは、観測された表現と生成された表現を区別する。
提案手法は,2つの欠落度設定における評価指標間の既存手法よりも優れる。
論文 参考訳（メタデータ） (2026-08-22T12:49:01Z) - Look-Closer-Then-Diagnose: Confidence-Aware Ultrasound VQA via Active Zooming [41.40761036883243]
VLM(Vision-Language Models)は、医学的な視覚的質問応答がかなり進歩しているが、超音波におけるその性能は依然として最適である。
本稿では,ソノグラフィーの認知ワークフローを考慮したフレームワークを提案する。
まず,構造的Zoom-then-Diagnoseパラダイムを導入する。
論文 参考訳（メタデータ） (2026-05-20T19:06:34Z) - Weakly Supervised Patch Annotation for Improved Screening of Diabetic Retinopathy [9.215451885169538]
糖尿病網膜症(DR: Diabetic Retinopathy)は、視力喪失を防ぐための時間的スクリーニングを必要とする。
既存の文献は主に画像レベルの監督、弱教師付きローカライゼーション、クラスタリングに基づく表現学習に焦点を当てている。
類似性に基づく。
Feature-space Ensemble (SAFE)は、弱い監視を統一する2段階のフレームワークである。
対照的な学習、パッチワイドな埋め込み推論。
論文 参考訳（メタデータ） (2026-03-04T12:35:55Z) - SHIELD: Semantic Heterogeneity Integrated Embedding for Latent Discovery in Clinical Trial Safety Signals [1.8620638885220202]
ShiELDは、臨床試験における安全信号の自動検出と統合化のための新しい手法である。
MedDRA項埋め込みに適用された有害事象項のセマンティッククラスタリングと不均等性解析を組み合わせている。
結果のクラスタには、大きな言語モデルを使用したシンドロームレベルの要約ラベルがアノテートされる。
論文 参考訳（メタデータ） (2026-02-23T13:55:36Z) - 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) - Benchmarking Egocentric Clinical Intent Understanding Capability for Medical Multimodal Large Language Models [48.95516224614331]
MedGaze-Benchは、臨床医の視線を認知的カーソルとして活用し、手術、緊急シミュレーション、診断解釈における意図的理解を評価する最初のベンチマークである。
本ベンチマークでは,解剖学的構造の視覚的均一性,臨床における時間・因果依存性の厳格化,安全プロトコルへの暗黙の順守という3つの基本的な課題に対処する。
論文 参考訳（メタデータ） (2026-01-11T02:20:40Z) - TWLR: Text-Guided Weakly-Supervised Lesion Localization and Severity Regression for Explainable Diabetic Retinopathy Grading [9.839282449612513]
糖尿病網膜症(DR)を診断するための2段階の枠組みであるTWLRを提案する。
第1段階では、視覚監督モデルがドメイン固有の眼科知識をテキスト埋め込みに統合し、DRグレーディングと病変分類を共同で行う。
第2段階では、弱言語セマンティックセグメンテーションに基づく反復重大度回帰フレームワークが導入されている。
論文 参考訳（メタデータ） (2025-12-15T06:08:16Z) - 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) - CTPD: Cross-Modal Temporal Pattern Discovery for Enhanced Multimodal Electronic Health Records Analysis [50.56875995511431]
マルチモーダルEHRデータから有意な時間的パターンを効率的に抽出するために,CTPD(Cross-Modal Temporal Pattern Discovery)フレームワークを導入する。
提案手法では,時間的セマンティックな埋め込みを生成するためにスロットアテンションを用いて改良された時間的パターン表現を提案する。
論文 参考訳（メタデータ） (2024-11-01T15:54:07Z) - An Interpretable Multiple-Instance Approach for the Detection of
referable Diabetic Retinopathy from Fundus Images [72.94446225783697]
基礎画像における参照糖尿病網膜症検出のための機械学習システムを提案する。
画像パッチから局所情報を抽出し,アテンション機構により効率的に組み合わせることで,高い分類精度を実現することができる。
我々は,現在入手可能な網膜画像データセットに対するアプローチを評価し,最先端の性能を示す。
論文 参考訳（メタデータ） (2021-03-02T13:14:15Z)
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。