論文の概要: When Can Test-Time Adaptation Help Zero-Shot CT Vision-Language Models?

• arxiv url: http://arxiv.org/abs/2607.15556v1
• Date: Fri, 17 Jul 2026 01:54:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.733197
• Title: When Can Test-Time Adaptation Help Zero-Shot CT Vision-Language Models?
• Title（参考訳）: テスト時間適応はゼロショットCTビジョンランゲージモデルに役立つか?
• Abstract要約: 3次元CTビジョン言語モデル(VLM)は、テキストプロンプトからゼロショット方式で異常を分類する。 分散シフト下でのゼロショットマルチラベル予測の信頼性は未だによく分かっていない。 テスト時間適応(TTA)は、ソースデータやターゲットアノテーションを使わずに、ラベルなしのターゲットスキャンでモデルを更新する。
• 参考スコア（独自算出の注目度）: 31.340014860930058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 3D CT vision-language models (VLMs) classify abnormalities from text prompts in a zero-shot manner, enabling cross-institution deployment where labels are scarce and clinical tasks shift faster than supervised models can be retrained. A real CT scan, however, typically contains several co-occurring abnormalities, and the reliability of zero-shot multi-label prediction under distribution shift remains poorly understood. Test-time adaptation (TTA) updates a model on unlabeled target scans without source data or target annotations, yet existing TTA methods target multi-class softmax prediction on natural images or 2D medical segmentation, and none addresses unsupervised multi-label adaptation for zero-shot 3D CT VLMs. We study when TTA helps zero-shot 3D CT VLMs. A controlled diagnostic analysis shows that TTA is conditional: the volumetric input must preserve the encoder's depth structure, and the base representation must transfer to the target cohort, with depth reduction alone lowering internal AUROC by more than 0.12. We then focus on the regime where the base model already separates present from absent abnormalities. We introduce CARVE (Cardinality-Aware Retained-View Entropy), the first TTA method for this setting. CARVE estimates a sample-specific positive-label cardinality $\hat{k}$, optimizes a top-$\hat{k}$ objective to preserve co-occurring abnormalities, and performs memory-efficient multi-view adaptation by scoring weak 3D views without gradients before updating on a retained subset. Across contrastive CT-CLIP and anatomy-aware fVLM, CARVE provides the most consistent improvements across multi-label, three-class, and binary CT tasks when the base model is already discriminative. These results establish multi-label TTA for zero-shot 3D CT VLMs as a distinct problem and CARVE as a cardinality-aware solution.
• Abstract（参考訳）: 3次元CTビジョン言語モデル(VLM)は、テキストプロンプトからゼロショットで異常を分類し、ラベルが不足し、臨床タスクが教師付きモデルよりも早く移行できるようなクロスインスティテュートデプロイメントを可能にする。 しかし、実際のCTスキャンは、通常いくつかの共起異常を含んでおり、分布シフトによるゼロショット多重ラベル予測の信頼性は、まだよく分かっていない。 テスト時間適応(TTA)は、ソースデータやアノテーションを使わずに、ラベルなしのターゲットスキャンのモデルを更新するが、既存のTTAメソッドは、自然画像や2D医療セグメントのマルチクラスソフトマックス予測をターゲットとしており、ゼロショット3DCT VLMに対する教師なしマルチラベル適応には対処しない。 ゼロショット3次元CT VLMにおけるTTAの有用性について検討する。 制御された診断分析は、TTAが条件付きであることを示し、ボリューム入力はエンコーダの深さ構造を保持し、ベース表現はターゲットコホートに転送されなければならない。 次に、ベースモデルが異常な異常から既に存在することを分離する体制に焦点を当てる。 本稿では,CARVE (Cardinality-Aware Retained-View Entropy) について紹介する。 CARVEはサンプル固有の正の基数$\hat{k}$を推定し、コクレーリング異常を保存するために上位$\hat{k}$目的を最適化し、保持されたサブセットを更新する前にグラデーションなしで弱い3Dビューをスコアリングすることでメモリ効率の良いマルチビュー適応を行う。 対照的にCT-CLIPと解剖学的に認識されたfVLMでは、CARVEは、ベースモデルがすでに識別されている場合に、マルチラベル、3クラス、バイナリCTタスク間で最も一貫した改善を提供する。 これらの結果から, ゼロショット3次元CT VLM のマルチラベル TTA が問題として, CARVE は基準対応の解として確立された。

関連論文リスト

• Beyond Static Anchors: Bounded Prototype Conditioning for Language-Free Medical Anomaly Detection [52.986874008247554]
  本稿では,静的アンカーを入力条件付きビジュアルプロトタイプに置き換える言語フリーフレームワークReCAPを提案する。 ReCAPリセンターは、境界ゲート変調により、各画像の正常と異常なプロトタイプを分離した。 3つのセグメンテーションデータセットで最高のゼロショットレベルのAUROCと、24の複数ショット設定のうち23のゼロショットレベルのAUROCを達成する。
  論文  参考訳（メタデータ） (2026-08-01T04:46:55Z)
• LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
  医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。 本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。 texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
  論文  参考訳（メタデータ） (2026-02-19T16:45:38Z)
• A3-TTA: Adaptive Anchor Alignment Test-Time Adaptation for Image Segmentation [17.122762119608144]
  テスト時間適応(TTA)は、ドメインシフト下でイメージセグメンテーションモデルをデプロイするための実用的なソリューションを提供する。 我々は,アンカーガイドによる監視を通じて信頼性の高い擬似ラベルを構築するフレームワークである textbfA3-TTA を提案する。 A3-TTAはソースモデルと比較して平均Diceスコアを10.40から17.68ポイント改善する。
  論文  参考訳（メタデータ） (2026-02-03T09:18:11Z)
• T3: Test-Time Model Merging in VLMs for Zero-Shot Medical Imaging Analysis [15.624549727053475]
  既存のモデルマージ技術は、様々な医学的手段で一貫した利益をもたらすことができません。 サンプル単位の係数を計算するバックプロパゲーションフリーフレームワークであるTest-Time Task Adaptive merging (T3)を導入する。 ドメイン内、ベース・ツー・ノーベル、および4つのモダリティにまたがる汚職にまたがる厳密な相互評価プロトコルを提案する。
  論文  参考訳（メタデータ） (2025-10-31T08:05:40Z)
• Hierarchical Self-Supervised Representation Learning for Depression Detection from Speech [51.14752758616364]
  音声による抑うつ検出 (SDD) は、従来の臨床評価に代わる有望で非侵襲的な代替手段である。 HAREN-CTCは,マルチタスク学習フレームワーク内でのクロスアテンションを用いて,多層SSL機能を統合した新しいアーキテクチャである。 このモデルはDAIC-WOZで0.81、MODMAで0.82の最先端マクロF1スコアを達成し、両方の評価シナリオで先行手法より優れている。
  論文  参考訳（メタデータ） (2025-10-05T09:32:12Z)
• Anatomically-guided masked autoencoder pre-training for aneurysm detection [6.025753055139489]
  頭蓋内動脈瘤は世界中で致死率と死亡率の主要な原因である。 本研究では,無注釈頭部CTスキャンデータを用いた3次元ビジョントランスモデルの事前学習のための新しい事前学習手法を提案する。 SOTA大動脈瘤検出モデルと比較すると, 絶対感度は+4-8%, 偽陽性率0.5。
  論文  参考訳（メタデータ） (2025-02-28T17:13:58Z)
• Screener: Self-supervised Pathology Segmentation in Medical CT Images [9.719923951063333]
  我々は、教師なしの視覚異常セグメンテーション問題として、病理診断の枠組みを定めている。 既存の密度ベースUVASフレームワークを2つの重要なイノベーションで強化する。 3万枚以上のラベルのない3DCTボリュームでトレーニングされた当社の完全自己監督型モデル、Screenerは、既存のUVAS法より優れています。
  論文  参考訳（メタデータ） (2025-02-12T11:37:35Z)
• Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
  具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。 本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
  論文  参考訳（メタデータ） (2024-01-06T07:30:41Z)
• Deep Conditional Shape Models for 3D cardiac image segmentation [1.4042211166197214]
  本稿では,Deep Shape Model (DCSM) Conditional をコアコンポーネントとする新しいセグメンテーションアルゴリズムを提案する。 生成した形状を画像に合わせるため、形状モデルを解剖学的ランドマークに条件付けし、ユーザーが自動的に検出または提供することができる。 局所的な改善を伴わずに非造影CTの基準線を上回り, 造影CT, 3DE, 特にハウスドルフ距離を著しく改善した。
  論文  参考訳（メタデータ） (2023-10-16T18:38:26Z)
• Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
  我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。 我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
  論文  参考訳（メタデータ） (2023-03-20T16:28:15Z)
• Explainable multiple abnormality classification of chest CT volumes with AxialNet and HiResCAM [89.2175350956813]
  本稿では,容積医用画像における多変量分類の課題について紹介する。 本稿では,複数のインスタンス学習型畳み込みニューラルネットワークであるAxialNetを提案する。 そして、HiResCAMと3D許容領域を利用した新しいマスクロスにより、モデルの学習を改善することを目指す。
  論文  参考訳（メタデータ） (2021-11-24T01:14:33Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)

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。