論文の概要: STAIL: Semantic Text-Anchored Incremental Learning for Medical Imaging via Large Language Models

• arxiv url: http://arxiv.org/abs/2608.05808v1
• Date: Thu, 06 Aug 2026 09:42:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 15:25:20.86911
• Title: STAIL: Semantic Text-Anchored Incremental Learning for Medical Imaging via Large Language Models
• Title（参考訳）: STAIL:大規模言語モデルによる医用画像のセマンティックテキストアンカレートインクリメンタル学習
• Abstract要約: 本稿では,STAIL(Semantic Text-Anchored Incremental Learning)と呼ばれる新しいフレームワークを提案する。 画像アンカーの最小セットと広範なテキスト記述を組み込むことで、SCBは最小のストレージコストで古いタスクを密にセマンティックに再構築することができる。 STAILは高効率なプラグ・アンド・プレイモジュールとして機能し,AAA-AUCでは2.24%,BWT-AUCでは3.55%,忘れを減らした。
• 参考スコア（独自算出の注目度）: 36.10815998300494
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning models applied to medical image analysis suffer from severe catastrophic forgetting when continually adapting to new clinical tasks in dynamic environments. Mainstream incremental learning methods typically mitigate this by rehearsing raw historical images. However, this pixel-level rehearsal incurs significant storage overhead, raises privacy concerns, and fails to adequately capture the true data distribution with sparse exemplars. Inspired by human cognitive mechanisms, we propose a novel framework termed Semantic Text-Anchored Incremental Learning (STAIL) for sequential clinical tasks. To overcome the rehearsal bottleneck, STAIL introduces an asymmetric semantic consolidation buffer (SCB). By incorporating a minimal set of image anchors and extensive textual descriptions, the SCB enables dense semantic reconstruction of old tasks at a minimal storage cost. Furthermore, we design an LLM-derived Semantic Anchoring Mechanism (LSAM) that leverages the stable semantic space of frozen large language models as developmental priors. This mechanism explicitly anchors evolving visual features to textual representations, guiding and constraining plasticity and stability at both macroscopic and microscopic levels. Extensive experiments across three heterogeneous medical datasets, covering fundus, ultrasound, and X-ray imaging, demonstrate that STAIL acts as a highly effective plug-and-play module. It comprehensively enhances the performance of various existing baselines, achieving average gains of 2.24\% in AAA-AUC for sustained performance and 3.55\% in BWT-AUC for reduced forgetting. Code is available.
• Abstract（参考訳）: 医用画像解析に応用された深層学習モデルは、動的環境における新しい臨床タスクに継続的に適応する場合、深刻な破滅的な忘れ込みに悩まされる。 主流の漸進的な学習手法は、通常、生の歴史的イメージをリハーサルすることでこれを緩和する。 しかし、このピクセルレベルのリハーサルはストレージオーバーヘッドを著しく増加させ、プライバシの懸念を高め、スパースな例で真のデータ配布を適切に捕捉することができない。 人間の認知メカニズムに触発されて,シーケンシャルな臨床タスクのためのセマンティックテキスト・アンコレッド・インクリメンタル・ラーニング(STAIL)と呼ばれる新しいフレームワークを提案する。 リハーサルボトルネックを克服するため、STAILは非対称なセマンティック・コンソリデーション・バッファ(SCB)を導入した。 画像アンカーの最小セットと広範なテキスト記述を組み込むことで、SCBは最小のストレージコストで古いタスクを密にセマンティックに再構築することができる。 さらに,LLM由来のセマンティックアンカリング機構 (LSAM) を設計し,凍結した大言語モデルの安定な意味空間を発達先行として活用する。 このメカニズムは、進化する視覚的特徴をテキスト表現に明示的に固定し、微視的および微視的両方のレベルで可塑性と安定性を誘導し、制限する。 基礎、超音波、X線イメージングを含む3つの異種医療データセットにわたる大規模な実験は、STAILが高効率なプラグアンドプレイモジュールとして機能することを実証している。 既存の各種ベースラインの性能を総合的に向上させ、AAA-AUCの平均ゲインを2.24倍、BWT-AUC平均ゲインを3.55倍に下げる。 コードは利用可能。

関連論文リスト

• EndoVLM: An Endoscopy Vision-Language Pre-training Model via Anatomy-Guided Sparsity and Progressive Alignment [15.371433625713232]
  EndoVLMは348K以上の内視鏡検査で事前訓練された新しい視覚言語FMである。 Anatomy-Guided Sparse Poolingメカニズムは、テキスト記述をクエリとして利用してスパース注意を喚起する。 プログレッシブ・セマンティック・アウェア・アライメント・ストラテジー(Progressive Semantic-Aware Alignment Strategy)は、構造化されたソフトターゲットを介して臨床分類(解剖学と病理学)をモデル化する。 Semantic-Concentrated Masked Autoencoderは、これらのセマンティックリッチなフレームにのみ適用され、低レベルの視覚的精度と堅牢な高レベルのセマンティック表現を統合する。
  論文  参考訳（メタデータ） (2026-08-05T05:56:41Z)
• SCALPEL: Semantic Cross-modal Alignment via LLM-Powered Encoder Learning for Medical Vision-Language Representation [5.487826115955642]
  ビジョン言語による事前訓練は、医学的マルチモーダル表現学習の基盤となる。 textbfLLM-textbfPowered textbfEncoder textbfLearning による textbfSemantic textbfCross-modal textbfAlignment フレームワーク textbfSCALPEL を提案する。
  論文  参考訳（メタデータ） (2026-07-29T13:12:32Z)
• Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification [59.24009931000134]
  MVSL(Multi-View Synergistic Learning)は、適応パラダイム、表現の粒度、疾患の意味的関係に対処する統合フレームワークである。 MVSLは、視覚的およびテキスト的エンコーダの適応を分離し、それぞれの表現特性を尊重する。 さらに、グローバルなイメージセマンティクスと局所的な病変レベルの証拠の両方を明示的にモデル化するために、多粒性コントラスト学習を導入する。 MVSLは、いくつかのショットとゼロショットの分類設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-27T02:41:27Z)
• Semantic-Topological Graph Reasoning for Language-Guided Pulmonary Screening [9.742485458627343]
  本稿では,言語誘導肺検診のためのセマンティック・トポロジカルグラフ推論フレームワークを提案する。 我々のアプローチは、視覚基盤モデルのゼロショットデライン化により、大規模言語モデルの推論能力をエレガントに相乗化します。 LIDC-IDRIでは81.5%のDice similarity Coefficient(DSC)を達成し、LISAのようなLLMベースのツールを5%以上上回っている。
  論文  参考訳（メタデータ） (2026-04-07T09:20:55Z)
• Staged Voxel-Level Deep Reinforcement Learning for 3D Medical Image Segmentation with Noisy Annotations [4.581671524490035]
  本稿では,ノイズの多いアノテーションの下での堅牢な医用画像分割のためのエンドツーエンドのVoxel-Level Deep Reinforcement Learningフレームワークを提案する。 このフレームワークは動的反復的な更新戦略を使用して,手作業による介入を必要とせずに,誤ったラベルの影響を自動的に緩和する。
  論文  参考訳（メタデータ） (2026-01-07T12:39:54Z)
• OTCXR: Rethinking Self-supervised Alignment using Optimal Transport for Chest X-ray Analysis [6.4136876268620115]
  自己教師付き学習(SSL)は,X線などの医学的モダリティを解析するための有望な手法として登場した。 我々は,OTCXRを提案する。OTCXRは最適なトランスポート(OT)を利用して,密接なセマンティック不変性を学習する新しいSSLフレームワークである。 我々はOTCXRの有効性を3つの公開胸部X線データセットの総合的な実験により検証した。
  論文  参考訳（メタデータ） (2024-04-18T02:59:48Z)
• Disruptive Autoencoders: Leveraging Low-level features for 3D Medical Image Pre-training [51.16994853817024]
  本研究は、3Dラジオグラフィ画像のための効果的な事前学習フレームワークの設計に焦点をあてる。 ローカルマスキングと低レベルの摂動の組み合わせによって生成された破壊から、オリジナルのイメージを再構築しようとする事前トレーニングフレームワークであるDisruptive Autoencodersを紹介する。 提案する事前トレーニングフレームワークは、複数のダウンストリームタスクでテストされ、最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-07-31T17:59:42Z)
• Learning to Exploit Temporal Structure for Biomedical Vision-Language Processing [53.89917396428747]
  視覚言語処理における自己教師あり学習は、画像とテキストのモダリティのセマンティックアライメントを利用する。 トレーニングと微調整の両方で利用できる場合、事前のイメージとレポートを明示的に説明します。 我々のアプローチはBioViL-Tと呼ばれ、テキストモデルと共同で訓練されたCNN-Transformerハイブリッドマルチイメージエンコーダを使用する。
  論文  参考訳（メタデータ） (2023-01-11T16:35:33Z)
• PCRLv2: A Unified Visual Information Preservation Framework for Self-supervised Pre-training in Medical Image Analysis [56.63327669853693]
  本稿では,ピクセルレベルの情報を高レベルなセマンティクスに明示的にエンコードするための画素復元タスクを提案する。 また,画像理解を支援する強力なツールであるスケール情報の保存についても検討する。 提案されている統合SSLフレームワークは、さまざまなタスクで自己管理されたフレームワークを超越している。
  論文  参考訳（メタデータ） (2023-01-02T17:47:27Z)
• Dense Contrastive Visual-Linguistic Pretraining [53.61233531733243]
  画像とテキストを共同で表現するマルチモーダル表現学習手法が提案されている。 これらの手法は,大規模マルチモーダル事前学習から高レベルな意味情報を取得することにより,優れた性能を実現する。 そこで本稿では,非バイアスのDense Contrastive Visual-Linguistic Pretrainingを提案する。
  論文  参考訳（メタデータ） (2021-09-24T07:20:13Z)

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。