論文の概要: The Text Beside the Image: Detection, Utility and Leakage for Trustworthy Multimodal Medical Data and Beyond
- arxiv url: http://arxiv.org/abs/2609.33280v1
- Date: Sun, 27 Sep 2026 06:35:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 01:33:56.364585
- Title: The Text Beside the Image: Detection, Utility and Leakage for Trustworthy Multimodal Medical Data and Beyond
- Title（参考訳）: 画像の裏側にあるテキスト: 信頼できるマルチモーダル医療データのための検出、有用性、漏洩
- Abstract要約: 本稿では,医用画像のテキスト成分を計測し,それらについて報告する。
同一文書上の識別子検出,下流ユーティリティ,残余ID漏洩を計測する。
クロスドキュメントリンクは、トレーニングなしの電子メールクエリの0.93%で、まず正しい人物をランク付けする。
- 参考スコア（独自算出の注目度）: 9.85819509162918
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Medical images are released with the reports that describe them, and protecting the image does not protect the report. This paper measures the text component of such releases. We measure identifier detection, downstream utility and residual identity leakage on the same documents, with the pseudonymisation policy as the variable under test: 15 detectors, three release conditions and four corpora of medical reports, legal judgments, news and other genres, and e-mail, in German, English, Chinese and Arabic. A fixed 13-detector union reaches a person sensitivity of 0.9998 at specificity 0.8686 on the medical reports, 0.9958 at 0.8504 on the legal judgments, 0.9352 at 0.9318 on news and other genres, and 0.9906 at 0.6235 on e-mail. With this ensemble, frequency matching with a public name list recovers zero identities by alignment across the four corpora; the names it got right were ones the detector missed, left in clear text. Cross-document linkage ranks the correct person first for 0.93% of e-mail queries without training and 3.94% with it, against 1/3697 chance and 71.98% on unmodified text. On the medical reports it recovers nothing without training and 0.71% of 138 queries with it, against 1/207 chance and a 2.73% ceiling on unmodified text.
- Abstract（参考訳）: 医療画像は、それらを説明するレポートとともに公開され、画像を保護することは、レポートを保護しない。
本稿では,そのようなリリースのテキストコンポーネントを測定する。
同一文書上の識別子検出, 下流ユーティリティ, 残留ID漏洩を, 検証中の変数として擬似化ポリシーを用いて測定した。
固定13検出器連合は、医療報告では0.8686で0.9998、法的判断では0.8504で0.9958、ニュースその他のジャンルでは0.9318で0.9352、電子メールでは0.6235で0.9906に達する。
このアンサンブルにより、パブリックネームリストとの周波数マッチングは、4つのコーパスを並べてゼロIDを復元する。
クロスドキュメントリンクは、トレーニングなしの電子メールクエリの0.93%、トレーニングなしの3.94%、修正されていないテキストで1/3697の確率と71.98%に対して、まず正しい人物をランク付けしている。
医療報告では、トレーニングなしでは回復せず、128件のクエリの0.71%、1/207件のチャンスと修正されていないテキストに2.73%の天井がある。
関連論文リスト
- When Do Agents Help? Embedding, LLM and Agentic Alignment of Classical Texts and Their Translations [0.0]
この研究は、パリ語、サンスクリット語、ミシュナ語、ヘブライ語、チベット語で452のテキストの7つのシステムを比較した。
エージェントは452テキストすべてに対して構造的に有効な出力を生成し、437は直接呼び出しを行う。
盲目の3-LLMパネルは、ソースと人間の参照に対して全ての生成ミスマッチを評価する。
論文 参考訳（メタデータ） (2026-09-27T15:53:49Z) - One note in three: a verified census of three deployed AI scribes, and the instrument that counted it [0.0]
私たちは、同じ142のコンサルティングで3人の商用AIスクリプタを監査しました。
重要なフィルタをクリアする5,898個のモデルが2つのモデルからなる対向パネルに到達した。
3分の1のメモは、アレルギーや薬物情報に集中して、確認された失敗をもたらす。
論文 参考訳（メタデータ） (2026-08-31T16:00:27Z) - Utility Under Attack: Agent Memory Poisoning and the Limits of Content Screening and Provenance Ranking [0.0]
ロングMemEvalコーパスの1.2%は、精度を0.850から0.300に下げる。
これはコンテンツのみのスクリーニングの境界を公開している、と我々は主張する。
信頼できない内容がほとんど良性である混合推進コーパスでは、精度は0.3167から0.7000に上昇する。
論文 参考訳（メタデータ） (2026-08-21T15:37:35Z) - Agents Catching Agents: Shortcut Cascades and Benchmark Gaming in Clinical Multi-Agent Systems [1.5675958472465883]
臨床意思決定支援は、共通のワークスペースで検討する言語モデルエージェントの委員会に向かっている。
我々は、このような委員会がショートカットによってゲーム化され、ベンチマークの報酬を得られるかどうか尋ねるが、臨床医は無視する。
委員会が行うゲームは社会的妥当性であり、自己申告から独立した審判のみがそれをキャッチする。
論文 参考訳（メタデータ） (2026-08-04T14:37:16Z) - Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
私たちは検出器を構築し、その証拠として属性マップを添付します。
私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。
属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
論文 参考訳（メタデータ） (2026-07-31T16:07:05Z) - AI-generated Images Challenge Visual Trust in High-risk Scenarios [79.40239296310791]
SafeIMGは、GPT Image 2.0を用いて生成された12のパブリックおよび個人安全シナリオにまたがる安全指向のベンチマークである。
SafeIMGは、検出器が合成画像を認識するかどうかを評価するだけでなく、それらの決定が人間の識別された異常を反映しているかどうかも評価する。
我々は,特殊合成画像検出器と視覚言語モデル(VLM)を評価し,どちらも信頼性のある検出を提供していないことを発見した。
論文 参考訳（メタデータ） (2026-07-23T06:56:49Z) - Measuring Epistemic Resilience of LLMs Under Misleading Medical Context [47.20527783144983]
大規模言語モデル(LLMs)は、医療ライセンス試験のエキスパートレベルスコアに到達した。
誤解を招く文脈が LLM が元来正しく答える質問に注入されると、彼らは正しい答えを放棄する。
本研究は, 逆行性てんかんのレジリエンス下での正しい判断を維持できる能力と, 測定にMedMisBenchを導入している。
論文 参考訳（メタデータ） (2026-06-10T16:27:26Z) - TextFake: Benchmarking AI-Generated Image Detection on Text-Rich Images [45.701818427706684]
TextFakeは、28言語にわたるテキストリッチAIGI検出のための20,000イメージのベンチマークである。
フェイクイメージは、実際の画像を3つの制御された次元に沿ってアノテートする4段階のパイプラインを介して合成される。
80%を超えるメソッドはなく、一部は自然画像のベンチマークから60%以上落ちている。
論文 参考訳（メタデータ） (2026-05-31T06:42:18Z) - LTCR: Long-Text Chinese Rumor Detection Dataset [14.503426768310536]
LTCRという長文中国噂データセットが提案されている。
データセットは、それぞれ1,729件のリアルニュースと500件のフェイクニュースで構成されている。
実ニュースと偽ニュースの平均長は約230文字と152文字である。
論文 参考訳（メタデータ） (2023-06-12T16:03:36Z) - CLARA: Clinical Report Auto-completion [56.206459591367405]
CLARA(CLinicit Al It Report It Auto-Completion)は、医師のアンカーワードと部分的に完成した文に基づいて、文章でレポートを生成するインタラクティブな方法である。
実験では,X線で0.393 CIDEr,0.248 BLEU-4,脳波で0.482 CIDEr,0.491 BLEU-4を得た。
論文 参考訳（メタデータ） (2020-02-26T18:45:00Z)
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。