論文の概要: PanDent: Toward Comprehensive Tooth-Level Structure-Language Consistency in Dental Radiology
- arxiv url: http://arxiv.org/abs/2607.27378v1
- Date: Wed, 29 Jul 2026 18:36:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.306971
- Title: PanDent: Toward Comprehensive Tooth-Level Structure-Language Consistency in Dental Radiology
- Title（参考訳）: PanDent: 歯科放射線学における包括的歯のレベル構造-言語整合性を目指して
- Abstract要約: PanDent(パンデント)は、精密で専門家が検証した歯科レベルのアノテーションに基づいて構築された、大規模で臨床的に基礎付けられたOPGベンチマークである。
データセットは9,524の高品質OPGで構成され、それぞれに包括的な構造化アノテーションが関連付けられている。
その結果、現在のMLLMは、流動的な報告を生成できるが、臨床的に一貫した記述を生成できないことが明らかとなった。
- 参考スコア（独自算出の注目度）: 46.36925477064605
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate evaluation of multimodal large language models (MLLMs) in dental panoramic radiography (orthopantomogram, OPG) is limited by the lack of fine-grained, clinically reliable benchmarks that reflect expert interpretation. This work introduces PanDent, a large-scale, clinically grounded OPG benchmark built upon fine-grained, expert-validated tooth-level annotations. The dataset comprises 9,524 high-quality OPGs, each associated with comprehensive structured annotations produced by experienced dentists and further validated by an oral and maxillofacial radiologist, providing clinically reliable supervision for tooth-level diagnosis and reasoning. Clinically consistent radiology reports are constructed from expert-validated findings using clinician-defined reporting logic, establishing explicit correspondence between structured clinical evidence and free-text descriptions. This design enables evaluation of whether MLLMs generate reports that are not only linguistically coherent but also clinically consistent with expert-validated tooth-level findings. Experiments are conducted on diverse MLLMs, including state-of-the-art (SOTA) proprietary models, general-domain open-source models, and medical-specific models. Results show that current MLLMs can generate fluent reports, yet fail to produce clinically consistent descriptions, exhibiting substantial errors in fine-grained localization and tooth-level diagnosis. Fine-tuning on PanDent significantly improves structure-language consistency, substantially enhancing visual localization accuracy and diagnostic correctness, and bringing model outputs closer to expert dental interpretation. These results establish PanDent as a rigorous benchmark for evaluating tooth-level clinical reasoning in MLLMs and a valuable resource for clinically grounded dental AI.
- Abstract（参考訳）: 歯科用パノラマX線写真(orthopantomogram, OPG)におけるMLLMの正確な評価は, 専門的解釈を反映した詳細な, 臨床的に信頼性の高いベンチマークの欠如によって制限される。
この研究はPanDentを紹介します。PanDentは、精密で専門家が検証した歯面レベルのアノテーションに基づいて構築された、大規模で臨床的に基礎付けられたOPGベンチマークです。
このデータセットは、9,524個の高品質OPGからなり、それぞれが経験豊富な歯科医によって生成された包括的な構造化アノテーションと関連付けられ、さらに口腔・顎顔面放射線科医によって検証され、歯科レベル診断および推論のための臨床的に信頼性の高い監督を提供する。
臨床的に一貫した放射線学報告は、臨床者が定義した報告論理を用いて専門家が検証した結果から構築され、構造化された臨床証拠と自由テキスト記述との明確な対応が確立される。
本設計により,MLLMが言語的に整合性を持つだけでなく,専門家が検証した歯面所見と臨床的に一致した報告を生成するか否かを評価することができる。
さまざまなMLLM(State-of-the-art(SOTA)プロプライエタリモデル、ジェネラルドメインのオープンソースモデル、医療特化モデルなど)で実験が行われている。
その結果、現在のMLLMは、流動的な報告を生成できるが、臨床的に一貫した記述を生成できず、微粒な局所化と歯面診断にかなりの誤差を呈することが明らかとなった。
PanDentの微調整は、構造言語整合性を大幅に改善し、視覚的位置決め精度と診断精度を大幅に向上させ、モデルの出力を専門的な歯科的解釈に近づける。
これらの結果から, MLLMにおける歯科レベル臨床推論の厳格な評価基準としてPandentが確立され, 臨床ベースとした歯科用AIに有用な資源となった。
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) - MTDiag: A Multi-Turn Diagnostic Dataset Towards Clinically Meaningful LLM Evaluation [39.83005700511833]
MTDiagは3つの異種源から構築された大規模マルチターン診断対話データセットである。
我々は,このスキーマ,UserLM-8Bに基づく発話生成パイプライン,および構造化された臨床証拠を自然言語の発話に変換する医師検証データセットをリリースする。
論文 参考訳（メタデータ） (2026-08-25T19:27:10Z) - OralAgent: Integrating Reasoning, Tools, and Knowledge for Interactive Dental Image Analysis [53.581112172626234]
OralAgentは,マルチモーダル推論,ツールベースの意思決定,知識に基づく検索を統一する最初の歯科用AIエージェントである。
22の視覚分析ツールと368の古典的歯科用教科書を統合し、自律的推論、計画、ツールの使用、知識検索、多段階ワークフロー実行を可能にしている。
論文 参考訳（メタデータ） (2026-04-09T06:37:11Z) - 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) - OralGPT-Plus: Learning to Use Visual Tools via Reinforcement Learning for Panoramic X-ray Analysis [18.122862443950847]
本研究では,パノラマX線写真解析のための視覚言語モデルOralGPT-Plusを紹介する。
そこで我々は,専門家による診断トラジェクトリを用いた5次元画像データセットであるDorphProbeを開発した。
全身性パノラマ診断のための最初のベンチマークであるMMOral-Xを報告する。
論文 参考訳（メタデータ） (2026-03-06T15:16:30Z) - 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) - Aligning Findings with Diagnosis: A Self-Consistent Reinforcement Learning Framework for Trustworthy Radiology Reporting [37.57009831483529]
MLLM(Multimodal Large Language Models)は放射線学レポート生成に強い可能性を示している。
本フレームワークは, より詳細な発見のための思考ブロックと, 構造化された疾患ラベルに対する回答ブロックという, 生成を2つの異なる構成要素に再構成する。
論文 参考訳（メタデータ） (2026-01-06T14:17:44Z) - DentalGPT: Incentivizing Multimodal Complex Reasoning in Dentistry [28.389946455559713]
現在のマルチモーダル大言語モデル(MLLM)は、細粒度の歯の視覚的詳細を捉えるのに苦労している。
高品質なドメイン知識注入と強化学習により開発された歯科用MLLMである歯科用GPTについて述べる。
論文 参考訳（メタデータ） (2025-12-12T13:42:57Z) - SemioLLM: Evaluating Large Language Models for Diagnostic Reasoning from Unstructured Clinical Narratives in Epilepsy [45.2233252981348]
臨床知識を符号化するための言語モデル(LLM)が示されている。
6つの最先端モデルをベンチマークする評価フレームワークであるSemioLLMを提案する。
ほとんどのLSMは、脳内の発作発生領域の確率的予測を正確かつ確実に生成できることを示す。
論文 参考訳（メタデータ） (2024-07-03T11:02:12Z) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-08T17:23:17Z)
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。