論文の概要: Structured Reasoning Agentic Framework for Interpretable Critical View of Safety Assessment

• arxiv url: http://arxiv.org/abs/2609.31524v1
• Date: Fri, 25 Sep 2026 17:01:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.497643
• Title: Structured Reasoning Agentic Framework for Interpretable Critical View of Safety Assessment
• Title（参考訳）: 安全評価のための構造的推論エージェント・フレームワーク
• Abstract要約: 視覚言語モデル(VLM)を利用した構造化推論フレームワークReasonCVSを提案する。 我々は解剖学的実体とその空間的関係を構造化された表現に整理する解剖学的シーングラフ抽象化(ASGA)を考案した。 Endoscapes-CVS201ベンチマークの実験では、ReasonCVSは最先端よりも優れたパフォーマンス(68.1% mAP)を達成している。
• 参考スコア（独自算出の注目度）: 4.8728783463875205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Surgical scene understanding is critical for computer-assisted intervention, yet laparoscopic cholecystectomy remains challenged by the complex anatomy of the hepatocystic triangle and the risk of bile duct injury. Existing methods for Critical View of Safety (CVS) assessment typically treat it as a holistic prediction task, mapping visual features directly to criterion-level labels. This black-box paradigm lacks explicit reasoning about anatomical relationships, limiting both interpretability and compositional generalization. To address this, we propose ReasonCVS, a structured reasoning agentic framework empowered by Vision-Language Models (VLMs) that decomposes CVS assessment into explicit, fine-grained anatomical verification. Specifically, we devise an Anatomical Scene Graph Abstraction (ASGA) that organizes anatomical entities and their spatial relationships into a structured representation. To operationalize this, we introduce a Rationale-Aware Reasoning Agent, powered by a Large Language Model (LLM) fine-tuned via rationale distillation. Functioning as a strict central decision-maker, it invokes VLM-driven Sub-criterion Verifier as a specialized perceptual tool to parse the graph and independently evaluate individual sub-criteria. Through calibrated soft reasoning, this agent synthesizes the tool-gathered distributed observations, yielding a final verdict alongside a traceable clinical rationale. Extensive experiments on the Endoscapes-CVS201 benchmark demonstrate that ReasonCVS achieves superior performance (68.1\% mAP) over state-of-the-art while providing interpretable, criterion-level explanations for reliable surgical assessment.
• Abstract（参考訳）: 腹腔鏡下胆嚢摘出術は,肝嚢胞三角形の複雑な解剖と胆管損傷のリスクが問題視されている。 既存のCritical View of Safety (CVS)アセスメントの手法では、視覚的特徴を直接基準レベルラベルにマッピングする全体論的予測タスクとして扱うのが一般的である。 このブラックボックスパラダイムには、解剖学的関係に関する明確な推論がなく、解釈可能性と構成的一般化の両方を制限している。 そこで本研究では、視覚言語モデル(VLM)によって強化された構造化推論エージェントフレームワークであるReasonCVSを提案し、CVSの評価を明確できめ細かな解剖学的検証に分解する。 具体的には、解剖学的実体とその空間的関係を構造化表現に整理する解剖学的シーングラフ抽象化(ASGA)を考案する。 そこで我々は,Large Language Model (LLM) を利用したRationale-Aware Reasoning Agentを導入する。 厳密な中心的な意思決定者として機能し、VLM駆動のサブ基準検証を、グラフを解析し、個別のサブ基準を独立に評価するための特別な知覚ツールとして呼び出す。 ソフト推論を校正することにより、このエージェントはツール収集された分散観察を合成し、追跡可能な臨床理論的根拠とともに最終的な判定を下す。 Endoscapes-CVS201ベンチマークの大規模な実験は、ReasonCVSが最先端技術よりも優れたパフォーマンス(68.1\% mAP)を達成し、信頼性の高い外科的評価のための解釈可能な基準レベルの説明を提供することを示した。

関連論文リスト

• Modeling Clinical Workflow for SYNTAX Scoring from Coronary Angiography Videos [73.50200033931148]
  我々はSynTAXスコアを血管セグメントのアイデンティティ保存解剖学的推論問題として再構成する。 本手法は, 骨・骨・骨・骨・骨の骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨・骨
  論文  参考訳（メタデータ） (2026-09-20T11:08:19Z)
• Beyond Classification: Structured Supervision Aligns Visual Evidence with Medical Semantics [7.711063174717135]
  ヴィジュアルトランスフォーマー(ViT)は医用画像解析において大きな可能性を秘めている。 グローバル画像分類による標準的な事前訓練は、空間的崩壊に悩まされる。 視覚的エビデンスと正確な医学的意味論を整合させるための訓練前パラダイムについて検討する。
  論文  参考訳（メタデータ） (2026-09-05T07:03:08Z)
• 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)
• Motion-Guided Causal Disentanglement for Robust Multi-View Cine Cardiac MRI Diagnosis [0.4638331367650009]
  本稿では,ViT-MAEバックボーン上に構築したMoViDフレームワークを提案する。 プライベートな臨床静脈血栓症データセットと2つの公開ベンチマークの枠組みについて検討した。
  論文  参考訳（メタデータ） (2026-06-03T03:45:11Z)
• SAIL: Structure-Aware Interpretable Learning for Anatomy-Aligned Post-hoc Explanations in OCT [14.34264989195413]
  深層学習(DL)は、OCTベースの網膜疾患検出において専門家レベルの精度を達成したが、その「黒い箱」の性質は、臨床応用の課題となっている。 既存のポストホックな説明可能なAI(XAI)メソッドは、きめ細かい病変構造を規定したり、解剖学的境界を尊重したり、ノイズを抑えるのに苦労することが多い。 本稿では、網膜解剖学の先行情報を表現レベルで統合し、それらを意味的特徴と結合する構造認識解釈学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-04T15:13:47Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• Retrieval-Augmented Anatomical Guidance for Text-to-CT Generation [1.5532758127091075]
  本研究では,現実的な推論環境下で意味情報と解剖情報を統合したテキスト・ツー・CT生成のための検索拡張手法を提案する。 CT-RATEデータセットを用いた実験により,検索拡張生成は,テキストのみのベースラインに比べて画像の忠実度と臨床整合性を向上することが示された。 本研究は,容積医用画像合成における意味的条件付けと解剖学的妥当性を橋渡しする,原則的かつスケーラブルな機構を導入する。
  論文  参考訳（メタデータ） (2026-03-09T12:27:17Z)
• 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)
• AgentsEval: Clinically Faithful Evaluation of Medical Imaging Reports via Multi-Agent Reasoning [73.50200033931148]
  本稿では,放射線科医の協調診断ワークフローをエミュレートしたマルチエージェントストリーム推論フレームワークであるAgensEvalを紹介する。 評価プロセスを基準定義、エビデンス抽出、アライメント、一貫性スコアなどの解釈可能なステップに分割することで、AgensEvalは明確な推論トレースと構造化された臨床フィードバックを提供する。 実験結果から,AgensEvalは,言い換え,意味的,スタイリスティックな摂動の下でも頑健な臨床的整合性,意味的忠実性,解釈可能な評価を提供することが示された。
  論文  参考訳（メタデータ） (2026-01-23T11:59:13Z)
• MIRNet: Integrating Constrained Graph-Based Reasoning with Pre-training for Diagnostic Medical Imaging [67.74482877175797]
  MIRNetは、自己教師付き事前学習と制約付きグラフベースの推論を統合する新しいフレームワークである。 TongueAtlas-4Kは,22の診断ラベルを付した4,000枚の画像からなるベンチマークである。
  論文  参考訳（メタデータ） (2025-11-13T06:30:41Z)
• Self-Supervised Anatomical Consistency Learning for Vision-Grounded Medical Report Generation [61.350584471060756]
  医用画像の臨床的に正確な記述を作成することを目的とした医用レポート生成。 本稿では, 自己監督型解剖学的一貫性学習(SS-ACL)を提案し, 生成された報告を対応する解剖学的領域と整合させる。 SS-ACLは、ヒト解剖学の不変のトップダウン包摂構造にインスパイアされた階層的な解剖学的グラフを構築する。
  論文  参考訳（メタデータ） (2025-09-30T08:59:06Z)

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。