Fugu-MT 論文翻訳(概要): Med-AR: Autoregressive Vision-Language Pretraining for Long-Tailed Chest X-Ray Classification and Uncertainty-Aware Evaluation

論文の概要: Med-AR: Autoregressive Vision-Language Pretraining for Long-Tailed Chest X-Ray Classification and Uncertainty-Aware Evaluation

arxiv url: http://arxiv.org/abs/2609.29156v1
Date: Thu, 24 Sep 2026 07:32:26 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-25 21:10:09.772371
Title: Med-AR: Autoregressive Vision-Language Pretraining for Long-Tailed Chest X-Ray Classification and Uncertainty-Aware Evaluation
Title（参考訳）: Med-AR:長距離胸部X線分類と不確かさ認識のための自己回帰型視力訓練
Abstract要約: 長い尾の胸部X線分類は、一般的な異常と微妙で稀な発見の両方を捉える視覚的表現を必要とする。本稿では,Med-AR-8BとMed-AR-2Bを提案する。コントラスト付き,自己監督型,教師付き事前学習型エンコーダに対して,視覚的エンコーダのマルチラベル分類への移行を評価する。
参考スコア（独自算出の注目度）: 0.005149030930066386
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Long-tailed chest X-ray classification requires visual representations that capture both common abnormalities and subtle, infrequent findings. We propose Med-AR-8B and Med-AR-2B, two radiology-native autoregressive vision-language models pretrained with structured reports, abnormality-focused text, and region annotations. We evaluate the transfer of their visual encoders to multi-label classification against contrastive, self-supervised, and supervised pretrained encoders, including Med-CLIP, CheXFound, EVA-Base, ARK, and BioViL-T, using a common ML-Decoder classification head. To assess fine-grained recognition, we also construct LLM-expanded, report-derived label sets for MIMIC-CXR and CheXpert. Across PadChest, MIMIC-CXR, and CheXpert, Med-AR-8B outperforms Med-CLIP in mean AUROC and AUPRC for head, medium, and tail findings. On MIMIC-CXR, it increases tail-label mean AUPRC from 0.1033 to 0.1441. Med-AR-2B achieves the strongest discrimination results on PadChest. Across the broader encoder comparison, a Med-AR variant achieves the highest mean AUROC and AUPRC in every reported prevalence group on each public dataset. Both Med-AR variants also achieve lower excess area under the risk-coverage curve than Med-CLIP on all three public datasets, indicating improved selective-prediction performance under the evaluated protocol. Internal results are metric-dependent, with Med-CLIP retaining advantages in overall and tail AUPRC and in selective prediction. These findings establish Med-AR as a strong pretraining recipe for long-tailed chest X-ray classification on the evaluated public benchmarks and demonstrate the value of assessing discrimination and selective prediction together.
Abstract（参考訳）: 長い尾の胸部X線分類は、一般的な異常と微妙で稀な発見の両方を捉える視覚的表現を必要とする。本稿では,Med-AR-8BとMed-AR-2Bを提案する。 ML-Decoder分類ヘッドを用いて,Med-CLIP,CheXFound,EVA-Base,ARK,BioViL-Tなどの事前訓練済みエンコーダに対して,視覚的エンコーダのマルチラベル分類への移行を評価する。また,MIMIC-CXRとCheXpertのためのLCM拡張レポート由来ラベルセットを構築した。 PadChest、MIMIC-CXR、CheXpertの他、Med-AR-8Bは頭、中、尾の発見において平均AUROCとAUPRCでMed-CLIPを上回っている。 MIMIC-CXRでは、テールラベル平均 AUPRC が 0.1033 から 0.1441 に増加する。 Med-AR-2BはPadChestで最強の判定結果を得る。より広いエンコーダ比較の範囲で、Med-ARの変種は、各公開データセット上の報告されたすべての有病率グループにおいて、AUROCとAUPRCの最高値を達成する。どちらのMed-AR変種も3つの公開データセットでMed-CLIPよりもリスク被覆曲線下での余剰面積を低くし、評価プロトコル下での選択的予測性能の向上を示す。 Med-CLIPは、AUPRC全体および尾部において、選択的予測において優位性を維持している。これらの結果から,Med-ARは,評価された公開ベンチマークに基づいて,長い胸部X線分類のための強力な事前学習法として確立され,差別評価と選択予測を併用する価値が示された。

関連論文リスト

Label-Free Foundational Model Selection for Medical Image Classification under Distribution Shift via Pseudo Label Discrepancy [3.0016442487726884]
そこで本稿では,SUDOをベースとしたラベルなし選択基準を提案する。 AURCCは胸部X線分類における様々な視覚言語モデルのランク付けに利用できることを示す。
論文参考訳（メタデータ） (2026-08-26T13:56:29Z)
DobicVLM: Aligning Chest X-Ray Report Generation with Clinically-Grounded Programmatic Rewards via Group Relative Policy Optimization [0.4418222884390162]
我々は,MedGemma-4Bの教師付き微調整とグループ相対ポリシー最適化を組み合わせた視覚言語モデルであるDobicVLMを紹介する。我々のアプローチでは、構造検証、解剖学的チェックリスト、意味的類似性、長さ制約といった、解釈可能なルールベースの報酬コンポーネントを使用します。 DobicVLMはGemini 2.5 Flashよりも優れており、Gemini 2.5 FlashとMedGemma 4Bベースラインと比較して、印象精度(27.2%)と医療用語(86.5%)が最も高い。
論文参考訳（メタデータ） (2026-07-21T11:20:09Z)
DMDSC: A Dynamic-Margin Deep Simplex Classifier for Open-Set Recognition on Medical Image Datasets [1.6076071340549412]
医用画像データセットは、しばしば極端な階級的不均衡によって特徴づけられる。この不均衡は、オープンセット認識(OSR: Open-Set Recognition)において二重の課題となり、モデルは、臨床環境での見知らぬトレーニングにおいて、未知のサンプルを確実に拒否しながら、既知のクラスにおける高い分類精度を維持する必要がある。本稿では, ダイナミック・マージン・アプローチを特徴とする拡張フレームワークを提案する。本手法では, 周波数に基づいてクラス固有のマージンを自動的に適応し, 高いペナルティとより厳格な特徴クラスタリングを行うことで, データの不均衡を解消する。
論文参考訳（メタデータ） (2026-05-01T13:57:41Z)
Ran Score: a LLM-based Evaluation Score for Radiology Report Generation [28.574749773136162]
我々は,ヒトの専門知識と大規模言語モデルを組み合わせた臨床用ガイドフレームワークを開発した。臨床医が指導するプロンプト最適化は,放射線技師による基準基準との整合性を向上することを示す。
論文参考訳（メタデータ） (2026-03-24T08:29:26Z)
PREBA: Surgical Duration Prediction via PCA-Weighted Retrieval-Augmented LLMs and Bayesian Averaging Aggregation [51.96735866702332]
PreBAはPCA重み付き検索とベイズ平均アグリゲーションを統合した検索拡張フレームワークである。例えば、PreBAはパフォーマンスを大幅に改善し、MAEを最大40%削減し、ゼロショット推論でR2を-0.13から0.62に引き上げる。
論文参考訳（メタデータ） (2026-02-27T07:19:23Z)
Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。本手法は歴史的幻覚の可能性を著しく低下させることを示す。
論文参考訳（メタデータ） (2026-02-27T04:49:01Z)
Benchmarking CXR Foundation Models With Publicly Available MIMIC-CXR and NIH-CXR14 Datasets [0.35441912284181126]
この研究は、パブリックMIMIC-CRとNIH ChestX-ray14データセットに2つの大規模胸部X線埋め込みモデル(CXR)をベンチマークする。トレーニング済みエンコーダから直接埋め込みを抽出し,複数ラベルの軽量LightGBM分類器を訓練し,平均AUROC,F1スコアを95%の信頼区間で報告した。
論文参考訳（メタデータ） (2025-12-03T12:55:44Z)
Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文参考訳（メタデータ） (2023-02-16T17:06:23Z)
Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
論文参考訳（メタデータ） (2022-02-22T15:24:06Z)
Learning Inductive Attention Guidance for Partially Supervised Pancreatic Ductal Adenocarcinoma Prediction [73.96902906734522]
膵管腺癌(PDAC)は、アメリカ合衆国で3番目に多いがん死の原因である。本稿では,全てのトレーニングデータに対して安価な画像レベルのアノテーションが提供され,それらのサブセットに対してのみ,コストのかかるvoxelアノテーションが利用可能となる,部分教師付き設定について考察する。 Inductive Attention Guidance Network (IAG-Net) を提案し、通常の/PDAC分類のためのグローバル画像レベルの分類器と半教師付きPDAC分類のためのローカルボクセルレベルの分類器を共同で学習する。
論文参考訳（メタデータ） (2021-05-31T08:16:09Z)
Federated Deep AUC Maximization for Heterogeneous Data with a Constant Communication Complexity [77.78624443410216]
異種胸部データ検出のための改良型FDAMアルゴリズムを提案する。本研究は,提案アルゴリズムの通信が機械数に強く依存し,精度レベルにも強く依存していることを示す。 FDAMアルゴリズムのベンチマークデータセットと、異なる組織の医療用胸部X線画像に対する効果を実験により実証した。
論文参考訳（メタデータ） (2021-02-09T04:05:19Z)

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。