論文の概要: SPARC-Rad: A Multimodal Benchmark Dataset and Evaluation Pipeline for Spatial and Anatomical Reasoning in Radiology Vision-Language Models
- arxiv url: http://arxiv.org/abs/2608.00100v1
- Date: Thu, 30 Jul 2026 20:13:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:24.420133
- Title: SPARC-Rad: A Multimodal Benchmark Dataset and Evaluation Pipeline for Spatial and Anatomical Reasoning in Radiology Vision-Language Models
- Title（参考訳）: SPARC-Rad:放射線ビジョン言語モデルにおける空間的および解剖学的推論のためのマルチモーダルベンチマークデータセットと評価パイプライン
- Abstract要約: 利用可能なベンチマークの多くは、放射線学に必要な空間的および解剖学的推論よりも、病気の分類、報告の生成、あるいは広い視覚的質問応答を強調している。
臨床放射線学における空間知覚と解剖学的推論(SPARC-Rad)ベンチマークを開発した。
放射線トレーナーは、解剖学的同定、局所化、ラテラル性、地域認識、デバイス識別、構造間空間関係を評価するために、手動で質問を設計し、注釈付けした。
- 参考スコア（独自算出の注目度）: 10.383904797979445
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vision-language models (VLMs) are increasingly being evaluated for medical imaging, but many available benchmarks emphasize disease classification, report generation, or broad visual question answering rather than the spatial and anatomical reasoning required for radiology. We developed the Spatial Perception and Anatomical Reasoning in Clinical Radiology (SPARC-Rad) Benchmark, a manually curated multimodal benchmark dataset and evaluation pipeline for assessing these capabilities in radiology VLMs. SPARC-Rad includes 300 image-question pairs derived from healthy control imaging studies in The Cancer Imaging Archive (TCIA), spanning CT, MRI, and radiography across the abdomen, chest, breast, neuro, and musculoskeletal categories. Radiology trainees manually designed and annotated questions to evaluate anatomical identification, localization, laterality, regional recognition, device identification, and inter-structure spatial relationships. The evaluation pipeline supports standardized prompting, structured output collection, response normalization, LLM-as-judge grading, human quality review, binary correctness scoring, and subgroup analysis by modality, anatomy, and reasoning type. SPARC-Rad provides a reusable framework for evaluating whether VLMs can provide reasoning for radiologic anatomy as a spatial system, supporting future model development, failure-mode analysis, and pre-deployment assessment.
- Abstract（参考訳）: ヴィジュアル言語モデル(VLM)は、医用画像としてますます評価されているが、多くのベンチマークでは、放射線学に必要な空間的および解剖学的推論よりも、疾患分類、レポート生成、あるいは広範囲の視覚的質問応答が強調されている。
臨床放射線学における空間知覚と解剖学的推論(SPARC-Rad)ベンチマークを開発した。
SPARC-Radは、The Cancer Imaging Archive (TCIA)で健康的な画像解析から得られた300の画像検索ペアを含み、腹部、胸、胸、神経、筋骨格のカテゴリにまたがるCT、MRI、ラジオグラフィーを網羅している。
放射線学研修生は、解剖学的同定、局所化、ラテラル性、地域認識、デバイス識別、構造間空間関係を評価するために、手動で質問を設計し、注釈付けした。
評価パイプラインは、標準化されたプロンプト、構造化された出力収集、応答正規化、LCM-as-judgeグレーディング、人間の品質レビュー、バイナリの正当性スコアリング、およびモーダリティ、解剖学、推論タイプによるサブグループ分析をサポートする。
SPARC-Radは、VLMが空間システムとしての放射性解剖学の推論を提供し、将来のモデル開発、失敗モード分析、事前デプロイ評価をサポートすることができるかどうかを評価する再利用可能なフレームワークを提供する。
関連論文リスト
- Vision Foundation Models in Radiology: A Scoping Review of Data, Methodology, Evaluation and Clinical Translation [35.18016233072556]
ビジョン基礎モデル(VFM)は、放射線画像のために開発が進んでいるが、その定義、開発、評価は相変わらず不均一である。
PRISMAScR Scoping review of peer-reviewed study described foundation model training dedicated on radiological imaging data。
トランスフォーマーベースのアーキテクチャと自己指導型事前訓練(特にマスク付き画像モデリング、コントラスト学習、マルチステージアプローチ)。
全体として、放射線学固有のVFMは、有望な転送性を示すが、臨床翻訳は、限られたデータ代表性、不均一なベンチマーク、不完全報告、配置指向評価の不足によって制限されている。
論文 参考訳（メタデータ） (2026-07-08T10:01:33Z) - Harrison.Rad 1.5 Technical Report: A radiology foundation model that can draft reports from images, priors and clinical context [0.6070952062639758]
Harrison.Rad 1.5 (HR1.5) は、インターリーブテキストと視覚入力を受け入れる、放射線学固有の多モード大言語モデルである。
胸部, 胸部, 筋骨格, 腹部, 脊椎, 骨盤X線, マンモグラフィにまたがる非構造的, 構造的テキストを生成する。
HR1.5は、ラジオロジーレポートに基づくベース言語モデルのドメイン適応、カリキュラムベースのハードネガティブを用いたコントラスト視覚エンコーダトレーニング、マルチターン会話におけるビジュアルクエスト答えの微調整という3段階のパイプラインを通じてトレーニングされる。
論文 参考訳（メタデータ） (2026-07-07T06:23:08Z) - RADAR: A Multimodal Benchmark for 3D Image-Based Radiology Report Review [10.986820518559341]
ラジオグラフィーレポートの相違分析のためのマルチモーダル・ベンチマークであるRADARを提案する。
3D画像と予備的なレポートと、それに対応する候補が同じ研究のために編集される。
RADARは、提案された編集を評価するためにモデルを必要とする構造化された不一致評価タスクを定義する。
論文 参考訳（メタデータ） (2026-03-04T00:13:57Z) - LUMEN: Longitudinal Multi-Modal Radiology Model for Prognosis and Diagnosis [13.644529113273096]
大規模視覚言語モデル(VLM)は、汎用的な応用から、臨床領域のような特殊なユースケースへと進化してきた。
1つの有望な応用は、胸部X線(CXR)などの放射線画像データを視覚的および自然言語的質問応答(VQA)インタフェースで解析することで、放射線技師の意思決定を支援することである。
縦長CXR解釈に最適化された新しいトレーニングフレームワークLUMENを導入し,マルチイメージとマルチタスク命令の微調整を活用する。
論文 参考訳（メタデータ） (2026-02-24T17:42:46Z) - Medical AI Consensus: A Multi-Agent Framework for Radiology Report Generation and Evaluation [0.2039123720459736]
放射線学のエコシステムにおけるマルチモーダルな臨床推論のためのベンチマークおよび評価環境として機能するマルチエージェント強化学習フレームワークを提案する。
提案フレームワークは,画像解析,特徴抽出,レポート生成,レビュー,評価を担当する10の特殊エージェントからなるモジュールアーキテクチャにおいて,大規模言語モデル(LLM)と大規模ビジョンモデル(LVM)を統合する。
論文 参考訳（メタデータ） (2025-09-22T04:31:27Z) - RadFabric: Agentic AI System with Reasoning Capability for Radiology [61.25593938175618]
RadFabricは、総合的なCXR解釈のための視覚的およびテキスト分析を統合するマルチエージェント、マルチモーダル推論フレームワークである。
システムは、病理診断に特殊なCXRエージェント、正確な解剖学的構造に視覚所見をマッピングする解剖学的解釈エージェント、および視覚的、解剖学的、臨床データを透明かつ証拠に基づく診断に合成する大規模なマルチモーダル推論モデルを利用した推論エージェントを使用する。
論文 参考訳（メタデータ） (2025-06-17T03:10:33Z) - Comparative Evaluation of Radiomics and Deep Learning Models for Disease Detection in Chest Radiography [0.0]
胸部X線撮影における疾患検出のための放射線治療と深層学習によるアプローチについて検討した。
深層学習モデルは画像データから直接学習し、放射能ベースのモデルは手作りの特徴を抽出する。
これらの知見は、診断AIにおけるモデル選択のための統計的に検証された、データ駆動の推奨を提供する。
論文 参考訳（メタデータ） (2025-04-16T16:54:37Z) - Radiology Report Generation Using Transformers Conditioned with
Non-imaging Data [55.17268696112258]
本稿では,胸部X線画像と関連する患者の人口統計情報を統合したマルチモーダルトランスフォーマーネットワークを提案する。
提案ネットワークは、畳み込みニューラルネットワークを用いて、CXRから視覚的特徴を抽出し、その視覚的特徴と患者の人口統計情報のセマンティックテキスト埋め込みを組み合わせたトランスフォーマーベースのエンコーダデコーダネットワークである。
論文 参考訳（メタデータ） (2023-11-18T14:52:26Z) - 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) - Radiology-Llama2: Best-in-Class Large Language Model for Radiology [71.27700230067168]
本稿では,ラジオロジーに特化した大規模言語モデルであるRadiology-Llama2を紹介する。
MIMIC-CXRとOpenIデータセットのROUGEメトリクスを用いた定量的評価は、Radiology-Llama2が最先端のパフォーマンスを達成することを示す。
論文 参考訳（メタデータ） (2023-08-29T17:44:28Z) - Cross-Modal Causal Intervention for Medical Report Generation [107.76649943399168]
放射線医学報告生成(RRG)は, コンピュータ支援診断と薬剤指導に不可欠である。
視覚言語的バイアスによる急激な相関により、正確な病変記述の生成は依然として困難である。
我々はCrossModal Causal Representation Learning (CMCRL)という2段階のフレームワークを提案する。
IU-XrayとMIMIC-CXRの実験により、我々のCMCRLパイプラインは最先端の手法よりも大幅に優れていることが示された。
論文 参考訳（メタデータ） (2023-03-16T07:23:55Z) - Medical Image Captioning via Generative Pretrained Transformers [57.308920993032274]
我々は、Show-Attend-Tell と GPT-3 という2つの言語モデルを組み合わせて、包括的で記述的な放射線学記録を生成する。
提案モデルは、Open-I、MIMIC-CXR、汎用MS-COCOの2つの医療データセットで検証される。
論文 参考訳（メタデータ） (2022-09-28T10:27:10Z)
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。