論文の概要: FZ-VLM: A Two Stage Florence-Zephyr Vision Language Model Framework for Pulmonary Nodule Characterization and Clinical Decision Making
- arxiv url: http://arxiv.org/abs/2608.15004v1
- Date: Sat, 15 Aug 2026 03:22:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.159094
- Title: FZ-VLM: A Two Stage Florence-Zephyr Vision Language Model Framework for Pulmonary Nodule Characterization and Clinical Decision Making
- Title（参考訳）: FZ-VLM : 肺結節評価と臨床診断のための2段階FZ-Zephyr視覚言語モデルフレームワーク
- Abstract要約: 本研究はFZ-VLM, FZ-Zephyr Vision Language Model を用いて肺CTにおける肺結節の統一的構造解析を行った。
このフレームワークは、微調整されたFlorence-2モデルを使用して、専門家が注釈を付けた2D軸方向CTスライスから放射線学的属性を抽出し、Zephyr-7Bモデルはこれらの属性を使用して、結節記述、フォローアップレコメンデーション、縦断解析を生成する。
その結果、Stage 1モデルでは解剖学的位置が77.18%、マージン特性が67.96%、減衰型が79.13%であった。
- 参考スコア（独自算出の注目度）: 0.2702990676892003
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lung cancer remains one of the leading causes of cancer-related mortality worldwide, and Computed Tomography (CT) is a primary imaging tool for screening and followup assessment. After pulmonary nodule detection, radiologists manually assess anatomical location, diameter, margin characteristics, and attenuation type to support risk assessment and clinical decision-making. However, this post-detection workflow is time-consuming and can be affected by inter-observer variability. Existing Artificial Intelligence methods often focus on isolated tasks, limiting their use as a unified, clinically grounded interpretation framework. This study presents FZ-VLM, a two-stage Florence-Zephyr Vision Language Model framework for unified structured pulmonary nodule characterization in lung CT. The framework uses a fine-tuned Florence-2 model to extract radiological attributes from expert-annotated 2D axial CT slices, while a Zephyr-7B model uses these attributes to generate nodule descriptions, follow-up recommendations, and longitudinal analyses. Results showed that the Stage 1 model achieved 77.18\% accuracy for anatomical location, 67.96\% accuracy for margin characteristics, and 79.13\% accuracy for attenuation type, with a Mean Absolute Error of 2.58 mm for diameter estimation, outperforming evaluated GPT-4-based baselines as well as the human baseline. Expert radiologist evaluation of Stage 2 showed 93.9\% accuracy, 98.6\% completeness score, 76.1\% clinical relevance, and an overall score of 89.5\%. Safety analysis showed that most outputs were clinically safe, although some follow-up recommendations still required expert review. To the best of our knowledge, this study presents the first two-stage Vision-Language Model framework for structured nodule characterization and clinical decision-making.
- Abstract（参考訳）: 肺がんは世界中でがん関連死亡の原因の1つであり、CT(Computed Tomography)はスクリーニングと追跡評価のための主要な画像診断ツールである。
肺結節検出後、放射線技師は手動で解剖学的位置、直径、マージン特性、減衰タイプを評価し、リスクアセスメントと臨床的意思決定を支援する。
しかし、この後検出ワークフローは時間を要するため、サーバ間の変動の影響を受けやすい。
既存の人工知能の手法は、しばしば孤立したタスクに焦点を合わせ、それらが統一的で臨床的に基礎付けられた解釈フレームワークとしての使用を制限する。
本研究はFZ-VLM, FZ-Zephyr Vision Language Model を用いて肺CTにおける肺結節の統一的構造解析を行った。
このフレームワークは、微調整されたFlorence-2モデルを使用して、専門家が注釈を付けた2D軸方向CTスライスから放射線学的属性を抽出し、Zephyr-7Bモデルはこれらの属性を使用して、結節記述、フォローアップレコメンデーション、縦断解析を生成する。
その結果,Stage 1モデルでは解剖学的位置が77.18\%,マージン特性が67.96\%,減衰型が79.13\%,直径2.58mmの平均絶対誤差が2。
ステージ2の専門的放射線学評価では、精度93.9\%、完全度スコア98.6\%、臨床関連度76.1\%、総合スコア89.5\%であった。
安全性分析の結果、ほとんどのアウトプットは臨床的に安全であることがわかったが、いくつかのフォローアップレコメンデーションは専門家によるレビューを必要とした。
本研究は, 結節構造解析と臨床的意思決定のための第1段階のビジョン・ランゲージモデルフレームワークについて述べる。
関連論文リスト
- Toward Vision Language Model-based Assessment of Clinical Quality and Usability of LGE-MR Images for Cardiac Ablation Planning [0.7394388288509157]
左心房LGE-MRIにおける画像品質評価のための2段階視覚言語モデル(VLM)を提案する。
本研究では,左心房LGE-MRIにおける画像品質評価のための2段階視覚言語モデル(VLM)を提案する。
論文 参考訳（メタデータ） (2026-08-21T14:51:48Z) - An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。
本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。
本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
論文 参考訳（メタデータ） (2025-10-21T17:18:55Z) - A Disease-Centric Vision-Language Foundation Model for Precision Oncology in Kidney Cancer [54.58205672910646]
RenalCLIPは、腎腫瘤の特徴、診断、予後のための視覚言語基盤モデルである。
腎がんの完全な臨床ワークフローにまたがる10のコアタスクにおいて、優れたパフォーマンスと優れた一般化性を実現した。
論文 参考訳（メタデータ） (2025-08-22T17:48:19Z) - A Clinically-Grounded Two-Stage Framework for Renal CT Report Generation [4.408787333571913]
本稿では,自動腎CTレポート作成のための枠組みを提案する。
ステージ1では、マルチタスク学習モデルが、各2次元画像から構造化された臨床特徴を検出する。
ステージ2では、視覚言語モデルが画像と検出された特徴に条件付けされた自由テキストレポートを生成する。
論文 参考訳（メタデータ） (2025-06-30T07:45:02Z) - CT Radiomics-Based Explainable Machine Learning Model for Accurate Differentiation of Malignant and Benign Endometrial Tumors: A Two-Center Study [11.010138196822888]
子宮内膜癌患者の悪性度と良性度を正確に診断するためのCTラジオミクスを用いた説明可能な機械学習モデルを開発した。
感度,特異性,精度,精度,F1スコア,AUROC,AUPRCを用いて診断性能を評価した。
ランダムフォレストモデルはECの診断に最適な選択肢として現れ、AUROCは1.00、AUROCは0.96である。
論文 参考訳（メタデータ） (2025-06-22T17:31:06Z) - Vision-Language Model-Based Semantic-Guided Imaging Biomarker for Lung Nodule Malignancy Prediction [0.38698178563798113]
本研究の目的は, 放射線技師による結節評価から得られた意味的特徴を統合し, 臨床的に関連性があり, 堅牢で, 説明可能な画像的特徴を肺がんの予測に役立てることである。
画像と意味的テキストの特徴を整合させ,1年間の肺がん診断を予測するためのパラメータ効率の良い微調整手法を用いて,事前訓練されたコントラスト言語画像訓練モデルを微調整した。
論文 参考訳（メタデータ） (2025-04-30T06:11:34Z) - Advanced Meta-Ensemble Machine Learning Models for Early and Accurate Sepsis Prediction to Improve Patient Outcomes [0.0]
本報告では, 全身性炎症性反応症候群, 早期警戒スコア, クイックシークエンシャル臓器不全評価など, 従来の敗血症スクリーニングツールの限界について検討する。
本稿では,機械学習技術 - ランダムフォレスト, エクストリームグラディエントブースティング, 決定木モデル - を用いて, セプシスの発症を予測することを提案する。
本研究は,これらのモデルについて,精度,精度,リコール,F1スコア,受信器動作特性曲線の下での領域といった重要な指標を用いて,個別かつ組み合わせたメタアンサンブルアプローチで評価する。
論文 参考訳（メタデータ） (2024-07-11T00:51:32Z) - Enhancing Diagnostic Reliability of Foundation Model with Uncertainty Estimation in OCT Images [41.002573031087856]
光コヒーレンストモグラフィー(OCT)における11個の網膜状態を検出するために,不確実性推定(FMUE)を用いた基礎モデルを開発した。
FMUEは2つの最先端アルゴリズムであるRETFoundとUIOSよりも96.76%高いF1スコアを獲得し、しきい値戦略を98.44%に改善した。
我々のモデルは、F1スコアが高い2人の眼科医(95.17%対61.93% &71.72%)より優れている。
論文 参考訳（メタデータ） (2024-06-18T03:04:52Z) - Penalized Deep Partially Linear Cox Models with Application to CT Scans
of Lung Cancer Patients [42.09584755334577]
肺がんは世界中のがん死亡の原因であり、効果的な治療法を設計するための死亡リスクを理解することの重要性を強調している。
NLST(National Lung Screening Trial)は、肺がん患者の死亡リスクを定量化するために、CTテクスチャ解析を用いている。
本稿では,SCADペナルティを組み込んで重要なテクスチャ特徴を抽出し,深層ニューラルネットワークを用いてモデルの非パラメトリック成分を推定する,Pentalized Deep partially Linear Cox Model (Penalized DPLC)を提案する。
論文 参考訳（メタデータ） (2023-03-09T15:38:16Z) - Validated respiratory drug deposition predictions from 2D and 3D medical
images with statistical shape models and convolutional neural networks [47.187609203210705]
患者固有の沈着モデリングのための自動計算フレームワークを開発し,検証することを目的としている。
2次元胸部X線と3次元CT画像から3次元患者の呼吸動態を生成できる画像処理手法が提案されている。
論文 参考訳（メタデータ） (2023-03-02T07:47:07Z) - Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using
Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。
ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。
新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文 参考訳（メタデータ） (2020-03-26T15:49:32Z)
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。