論文の概要: Fine-Grained Vision-Language Pretraining with Organ-Conditioned Pattern Tokens for CT Understanding

• arxiv url: http://arxiv.org/abs/2607.13892v1
• Date: Wed, 15 Jul 2026 14:36:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.800954
• Title: Fine-Grained Vision-Language Pretraining with Organ-Conditioned Pattern Tokens for CT Understanding
• Title（参考訳）: CT理解のための臓器構築型パターントークンを用いた微視的視覚言語訓練
• Abstract要約: OCP-CTは、CTビジョン言語事前学習のための臓器条件付きパターントキンアライメントフレームワークである。 安定したグローバルCTレポートのコントラストブランチを保持し、臓器パターンインターフェースを導入している。 公開されているCT-RATEとRAD-ChestCTのベンチマークでは、OCP-CTは平均84.5%と69.9%のAUROCをゼロショット異常診断で達成している。
• 参考スコア（独自算出の注目度）: 2.9220076568786335
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computed tomography (CT) vision-language pretraining from paired volumes and radiology reports is a scalable yet challenging task. Existing methods commonly adopt global scan-report contrast, which is scalable but obscures heterogeneous organ evidence. Meanwhile, direct organ-level alignment remains coarse, since the same anatomy can exhibit multiple distinct radiological appearances. Therefore, pretraining requires a finer alignment unit: the organ-conditioned radiological pattern. In this work, we propose OCP-CT, an organ-conditioned pattern-token alignment framework for CT vision-language pretraining. Specifically, OCP-CT preserves a stable global CT-report contrastive branch and introduces an organ pattern interface: sparse Mixture-of-Experts (MoE) routes image and text tokens according to latent radiological patterns, learnable slots query the routed tokens into continuous pattern tokens, and paired token contrast aligns image-text pattern tokens with structured soft targets built from report-derived clinical similarity. On the publicly available CT-RATE and RAD-ChestCT benchmarks, OCP-CT achieves average AUROCs of 84.5% and 69.9% for zero-shot abnormality diagnosis, respectively. Compared with the strongest prior reported results, these results yield absolute AUROC gains of 6.7 and 0.8 percentage points.
• Abstract（参考訳）: コンピュータ断層撮影 (CT) では, 対のボリュームと放射線学のレポートから事前学習を行うが, 拡張性は高いが困難である。 既存の方法は、拡張性はあるが異質な臓器の証拠を隠蔽するグローバルスキャンレポートコントラストを採用するのが一般的である。 一方、同じ解剖学は複数の異なる放射線学的外観を示すため、直接の臓器レベルのアライメントはいまだに粗いままである。 したがって、事前訓練には、より微細なアライメントユニット、すなわち臓器条件の放射線学的パターンが必要である。 本研究では,CTビジョン言語事前学習のための臓器調和型パターントキンアライメントフレームワークであるOCP-CTを提案する。 スパース・ミックスチャー・オブ・エクササイズ(MoE)は、画像およびテキストトークンを遅延した放射線学的パターンに従ってルーティングし、学習可能なスロットはルートされたトークンを連続したパターントークンにクエリし、ペア化されたトークンコントラストは、画像とテキストのパターントークンと、レポート由来の臨床類似性から構築された構造化されたソフトターゲットとを一致させる。 公開されているCT-RATEとRAD-ChestCTのベンチマークでは、OCP-CTはそれぞれ平均84.5%と69.9%のAUROCを達成している。 最強の報告結果と比較すると、AUROCの絶対利得は6.7ポイントと0.8ポイントである。

関連論文リスト

• LoRCA: LoRA Cycle Adaptation for Histology to HiP-CT Translation with DINOv3 [3.882636699866806]
  本稿では,共有冷凍DINOv3上にモダリティ固有のLoRAアダプタを組み込んだ周期整合型翻訳フレームワークを提案する。 本研究では,Fréchet Inception Distance (FID) と構造的忠実度を用いて相互情報を用いた翻訳品質を評価する。 下流登録ユーティリティの予備的な指標として,手動で調整したHiP-CTと組織学テストペア上でのMatchAnythingの下で,スタイル変換画像が特徴対応性を高めることを発見した。
  論文  参考訳（メタデータ） (2026-08-07T15:43:55Z)
• Learning How Much, Not Just What: Cross-Patient Burden Order for CT Vision-Language Pretraining [4.757530530297623]
  Volumetric CT Vision-Language Pretrainingはスキャンとレポートのペアから3D表現を学習する。 同じ発見が一貫した方向に沿って広範に行われる場合とは、軽度な違いはない。 クロスセクションのコホートは、すでにさまざまな患者に対する弱い負担のキューをコード化しています。
  論文  参考訳（メタデータ） (2026-07-31T19:23:02Z)
• Learning Anatomy-Grounded CT Vision-Language Representations with Organ-Hierarchical Report Knowledge [7.277508278429653]
  我々は,臓器階層的知識付加型CTレポートフレームワークであるoka-CTを提案する。 OK-CTは,まず,ラジオロジーレポート解析を用いて,自由テキストレポートを臓器条件の知識に変換する。 ステージ1は、微細な臓器条件の監督を通じて、解剖学的根拠をCTの視覚表現に注入する。 Stage2は、組織特異的なレポートエビデンスを使用して、構造化レポート-CTコントラスト学習をガイドする。
  論文  参考訳（メタデータ） (2026-07-12T23:09:23Z)
• Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
  ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。 3つの主要なコンポーネントを特徴とするフレームワークを提案する。 診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
  論文  参考訳（メタデータ） (2026-06-24T08:24:45Z)
• Structure Observation Driven Image-Text Contrastive Learning for Computed Tomography Report Generation [51.509572354327986]
  本稿では,CTRG(Computed Tomography Report Generation)に適した新しい2段階(構造とレポートの学習)フレームワークを提案する。 第1段階では、CT画像中の対応する構造を学習可能な構造特異的な視覚的クエリーの集合を観察し、その結果として得られる観察トークンと、それに伴う放射線学レポートから抽出された構造特異的なテキスト特徴とを、構造的に画像テキストのコントラストロスとで対比する。 第2段階では、視覚構造クエリを凍結し、各解剖学的構造を描写したクリティカルイメージパッチ埋め込みを選択するために使用し、メモリ消費を低減しつつ、無関係領域からの注意を最小化する。
  論文  参考訳（メタデータ） (2026-03-05T07:07:07Z)
• Clinically-aligned ischemic stroke segmentation and ASPECTS scoring on NCCT imaging using a slice-gated loss on foundation representations [3.186130813218338]
  ほとんどのディープラーニング手法は、ASPECTSスコアの基盤となる構造的解剖学的推論をモデル化することなく、ピクセルワイズセグメンテーションを行う。 本稿では,凍結したDINOv3バックボーンと軽量デコーダを組み合わせた臨床的に整合したフレームワークを提案する。 提案手法は,AISDにおけるDiceスコア0.6385を達成し,CNNや基礎モデルベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2026-02-27T12:12:24Z)
• Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
  脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。 マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
  論文  参考訳（メタデータ） (2025-12-07T14:03:28Z)
• SimCroP: Radiograph Representation Learning with Similarity-driven Cross-granularity Pre-training [25.763109982379703]
  胸部CTにおける類似性駆動型クロスグラニュラリティ事前学習フレームワークを提案する。 類似性駆動アライメントとクロスグラニュラリティ融合を組み合わせて、ラジオグラフィーの解釈を改善する。 SimCroPは、大規模なペアCTレポートデータセットで事前トレーニングされ、画像分類とセグメンテーションタスクで検証される。
  論文  参考訳（メタデータ） (2025-09-10T06:20:53Z)
• Class-Aware Cartilage Segmentation for Autonomous US-CT Registration in Robotic Intercostal Ultrasound Imaging [39.597735935731386]
  形状制約後処理を施したクラスアウェア軟骨骨分節ネットワークを提示し, 患者固有の骨骨格を捕捉する。 一般的なテンプレートから個々の患者へ、宿主間走査経路をマッピングするために、密度の高い骨格グラフに基づく非剛性登録が提示される。 提案手法は,CTテンプレートから個々の患者へのパスを,頑健かつ正確にマッピングできることを示す。
  論文  参考訳（メタデータ） (2024-06-06T14:15:15Z)
• CT-GLIP: 3D Grounded Language-Image Pretraining with CT Scans and Radiology Reports for Full-Body Scenarios [53.94122089629544]
  我々は,CT-GLIP(Grounded Language- Image Pretraining with CT scans)を導入する。 本手法は,104臓器にわたる17,702症例を対象に,44,011例の臓器レベルの視覚テキストペアからなるマルチモーダルCTデータセットを用いて訓練し,自然言語を用いて臓器と異常をゼロショットで識別できることを実証した。
  論文  参考訳（メタデータ） (2024-04-23T17:59:01Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Multitask 3D CBCT-to-CT Translation and Organs-at-Risk Segmentation Using Physics-Based Data Augmentation [4.3971310109651665]
  現在の臨床実践では、放射線治療中の患者設定にのみ、ノイズとアーティファクトを付加した毎週のコーンビームCT画像が用いられる。 治療計画には, 高画質計画ct (pct) 画像とoars ( organ-at-risk) 構造の手輪郭を用いて, 治療開始時に一度行う。 OAR構造を同時にセグメンテーションしながら毎週CBCT画像の品質を向上させることができれば、放射線治療中の治療適応や治療応答のためのバイオマーカーの抽出に重要な情報を提供することができる。
  論文  参考訳（メタデータ） (2021-03-09T19:51:44Z)
• Detecting Pancreatic Ductal Adenocarcinoma in Multi-phase CT Scans via Alignment Ensemble [77.5625174267105]
  膵管腺癌(PDAC)は最も致命的ながんの1つである。 複数のフェーズは単一のフェーズよりも多くの情報を提供するが、それらは整列せず、テクスチャにおいて不均一である。 PDAC検出性能を高めるために,これらすべてのアライメントのアンサンブルを提案する。
  論文  参考訳（メタデータ） (2020-03-18T19:06:27Z)

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。