論文の概要: An end-to-end-trained vision-language model for native-language prostate pathology report generation

• arxiv url: http://arxiv.org/abs/2608.23143v1
• Date: Mon, 24 Aug 2026 11:49:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.038309
• Title: An end-to-end-trained vision-language model for native-language prostate pathology report generation
• Title（参考訳）: ネイティブ言語前立腺病理報告生成のためのエンドツーエンド学習型視覚言語モデル
• Abstract要約: 前立腺癌は世界で最も頻繁に診断された悪性腫瘍の一つである。 既存のツールによって分類され、病理学者はコヒーレントな報告を組み立てることになる。 本稿では, 言語に依存しない前立腺生検レポートを生成するスライドレベルフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.09772267314090433
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Prostate cancer is among the most frequently diagnosed malignancies worldwide, and structured reporting of each biopsy core burdens pathologists. Existing tools frame this as classification, leaving pathologists to assemble coherent reports, while many slide-level vision-language models rely on English-centric encoders that transfer poorly to other clinical languages. We present a slide-level framework generating prostate biopsy reports that is language-independent by construction: tokenizer and model are trained from scratch, demonstrated here in German. To address paired-data scarcity, an automated pipeline uses a locally deployed large language model to split composite reports into core-specific image-text pairs, yielding 17,344 pairs from 2,402 historical cases without manual annotation. Evaluated for clinical attributes rather than linguistic similarity, the model achieves 96.2% F1 for malignancy detection and 65.2% for Gleason grading, competitive with an FDA-cleared classifier. Grading is further validated on three external cohorts with latent-space augmentation. Institutions can thus train native-language reporting models on their own archives.
• Abstract（参考訳）: 前立腺癌は世界で最も頻繁に診断される悪性腫瘍の1つであり、それぞれの生検コアの負担が病理学者に報告されている。 既存のツールは、これを分類し、病理学者はコヒーレントなレポートを組み立てるが、多くのスライドレベルの視覚言語モデルは、他の臨床言語に乏しい英語中心のエンコーダに依存している。 本稿では,前立腺生検レポートを生成するスライドレベルフレームワークを提案する。 ペアデータ不足に対処するために、自動パイプラインは、ローカルにデプロイされた大きな言語モデルを使用して、コンポジットレポートをコア固有のイメージテキストペアに分割し、手動のアノテーションなしで2,402の過去のケースから17,344のペアを生成する。 言語的類似性よりも臨床的属性を評価すると、このモデルは悪性度検出の96.2%、グリーソングレーディングの65.2%を達成し、FDAがクリアした分類器と競合する。 格子は3つの外部コホートでさらに検証され、遅延空間が増大する。 そのため、機関は独自のアーカイブ上でネイティブ言語レポートモデルをトレーニングすることができる。

関連論文リスト

• A report-grounded vision-language foundation model for colonoscopy from 280000 routine reports [58.14965296904734]
  EndoCLIPは125,756の病変レベルの画像テキストペアに基づいて訓練された視覚言語基盤モデルである。 これは、ゼロショットとリニアプローブの両方の設定において、汎用およびバイオメディカルな視覚言語エンコーダよりも優れている。
  論文  参考訳（メタデータ） (2026-07-30T16:24:36Z)
• PanDent: Toward Comprehensive Tooth-Level Structure-Language Consistency in Dental Radiology [46.36925477064605]
  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。
  論文  参考訳（メタデータ） (2026-07-29T18:36:07Z)
• Generating Reports or Repeating Templates? Measuring and Mitigating Template Collapse in 3D CT Report Generation [13.471480514512157]
  3次元医用視覚言語モデル(VLM)は、非常に低い病理検出と出力の多様性を示しながら、流線型な放射線学スタイルのテキストを生成することができる。 この障害モードをテンプレート崩壊と認識します。 CLarGenは,言い方と言い方(言語合成)を区別するフレームワークである。
  論文  参考訳（メタデータ） (2026-05-29T08:21:00Z)
• Can Large Language Models Reliably Extract Physiology Index Values from Coronary Angiography Reports? [1.1061680331694044]
  本研究はCAG報告の大規模コーパス(1342件)から抽出された生理指標に初めて対応したものである。 測定の幅を考慮し、フォーマットの妥当性、値検出、値の正しさを分離する多段階評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T01:33:18Z)
• 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)
• On the Importance of Text Preprocessing for Multimodal Representation Learning and Pathology Report Generation [0.7966328552094392]
  病理学における視覚言語モデルにより、マルチモーダルケース検索と自動レポート生成が可能となる。 これまで開発されたモデルの多くは、スライド画像全体から推測できない情報を含む病理報告に基づいて訓練されてきた。 視覚言語モデリングのための病理報告からの情報選択がマルチモーダル表現の質や生成レポートにどのように影響するかを検討する。
  論文  参考訳（メタデータ） (2025-02-26T16:45:09Z)
• Self-supervised vision-langage alignment of deep learning representations for bone X-rays analysis [53.809054774037214]
  本稿では, 骨X線とフレンチレポートを組み合わせることで, 視覚言語による事前訓練を活用することを提案する。 骨X線表現にまつわる埋め込み空間を形成するために、フランスの報告を統合する最初の研究である。
  論文  参考訳（メタデータ） (2024-05-14T19:53:20Z)
• Hierarchical Classification System for Breast Cancer Specimen Report (HCSBC) -- an end-to-end model for characterizing severity and diagnosis [3.4454444815042735]
  階層型ハイブリッドトランスフォーマーベースパイプライン(59ラベル)の開発 -乳癌検体分類システム(HCSBC)- 我々は、EUHデータに基づいてモデルをトレーニングし、2つの外部データセット(MGHとMayo Clinical)でモデルの性能を評価した。
  論文  参考訳（メタデータ） (2023-11-02T18:37:45Z)
• Evaluating Large Language Models for Radiology Natural Language Processing [68.98847776913381]
  大規模言語モデル(LLM)の台頭は、自然言語処理(NLP)分野における重要な転換点となっている。 本研究は, 放射線学報告の解釈において, 30 個の LLM を批判的に評価することにより, このギャップを埋めることを目指している。
  論文  参考訳（メタデータ） (2023-07-25T17:57:18Z)
• 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)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• Auxiliary Signal-Guided Knowledge Encoder-Decoder for Medical Report Generation [107.3538598876467]
  放射線技師の動作パターンを模倣する補助信号誘導知識デコーダ(ASGK)を提案する。 ASGKは、内的特徴融合と外部医療言語情報を統合して、医療知識の伝達と学習をガイドする。
  論文  参考訳（メタデータ） (2020-06-06T01:00:15Z)

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。