論文の概要: From PDF to Evidence: Structure-Aware Retrieval for Clinical Practice Guidelines

• arxiv url: http://arxiv.org/abs/2609.33447v1
• Date: Sun, 27 Sep 2026 10:55:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 16:42:20.690218
• Title: From PDF to Evidence: Structure-Aware Retrieval for Clinical Practice Guidelines
• Title（参考訳）: PDFからエビデンスへ:臨床実習ガイドラインのための構造認識検索
• Abstract要約: 各ページイメージを型付き構造要素に解析し、文書のレイアウトに従う構造対応エビデンスユニットを検索する。 9つの情報源から得られた26の治験ガイドラインでは、構造認識ユニットがまず金元素をBM25、密集、ハイブリッド検索でランク付けしている。
• 参考スコア（独自算出の注目度）: 7.606018670436672
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Guideline documents are published as unstructured PDFs whose evidence is locked in visual structures---tables, flowcharts, and graded recommendations---that standard retrieval pipelines flatten into fixed-size text chunks. We cast evidence access as a document image analysis problem: parse each page image into typed structural elements, then retrieve structure-aware evidence units that follow the document's own layout (sections, table rows, flowchart paths, graded recommendations), each keeping its structural context so a result points to a specific element rather than a page. On 26 clinical practice guidelines from 9 sources (3,619 pages, Chinese and English) with 199 evidence queries, structure-aware units rank the gold element first under BM25, dense, and hybrid retrieval (hybrid Element Hit@1 of 0.382), with a significant element-level ranking gain over per-element OCR text (MRR_e +0.107, p=0.002; the Hit@5 gain is directional, p=0.17), while matching page-level recall (Page Hit@5 0.879 vs. 0.889, p=0.75) at 3.8x less context and clearly outperforming a ColPali visual-RAG baseline (PH@5 0.497).
• Abstract（参考訳）: ガイドライン文書は構造化されていないPDFとして公開され、その証拠は、テーブル、フローチャート、グレードされたレコメンデーション、すなわち標準の検索パイプラインが固定サイズのテキストチャンクにフラット化されている。 それぞれのページイメージをタイプされた構造要素に解析し、文書のレイアウト(セクション、テーブル行、フローチャートパス、グレードされたレコメンデーション)に従って構造を意識したエビデンスユニットを検索し、それぞれがページではなく特定の要素を指し示すように構造的コンテキストを保持する。 9つの情報源(3,619ページ、中国語、英語)から199のエビデンスクエリを持つ26の臨床ガイドラインでは、構造認識ユニットがBM25、密集、ハイブリッド検索(0.382のハイブリッド要素Hit@1)でゴールド要素をランク付けし、ページレベルのリコール(Page Hit@5 0.879 vs. 0.889, p=0.75)を3.8倍に減らし、ColPaliビジュアルRAGベースライン(PH@5 0.497)で明らかに上回っている。

関連論文リスト

• DocPC: Document-Level Visual Retrieval via Representative Page Composition [18.502834715003928]
  本稿では,代表ページ構成に基づく文書レベルのビジュアル検索フレームワークであるDocPCを提案する。 文書レベルで広く普及している多陽性の監督を扱うために,多陽性のコントラスト学習と小数にスケジュールされたリストワイズ最適化を組み合わせる。 DocPC-ColQwenはDocViRe上で44.09のNDCG@5を達成した。
  論文  参考訳（メタデータ） (2026-08-26T06:46:44Z)
• Lost in a Single Vector: Improving Long-Document Retrieval with Chunk Evidence Aggregation [59.438696079345426]
  DICEは、ドキュメントをチャンクに分割し、凍結したモデルで独立してエンコードし、それらを単一のベクタに集約する、トレーニング不要のドキュメントサイド戦略である。 LongEmbedでは、DICEは4つのバックボーン間の検索を改善し、4kトークンを超えるスライスで最大の利益を上げている。 12,779個のフィルターサンプルのうち、DICEは92.8%のケースで単一ベクトルベースラインよりも低いEDIが得られる。
  論文  参考訳（メタデータ） (2026-06-17T07:44:04Z)
• Dr. DocBench: A Comprehensive Benchmark for Expert-Level and Difficult Document Parsing [53.41293908252118]
  我々は、エキスパートレベルの文書解析のための困難を意識したベンチマークであるDocBench博士を紹介する。 Dr. DocBenchは52のBISACドメインにまたがり、障害ベースのサンプリングによってドキュメントを選択する。 約100ページにわたる長いドキュメントから4,514ページの注釈付きページが含まれており、レイアウト、読み込み順序、階層的関係、ドメイン固有のビジュアルコンテンツなど、65kの高品質なアノテーションがある。 本分析では,文書インテリジェンスを診断・進展するための総合的なテストベッドとしてDocBench博士が注目されている。
  論文  参考訳（メタデータ） (2026-05-31T18:35:30Z)
• MPDocBench-Parse: Benchmarking Practical Multi-page Document Parsing [74.84107522458798]
  MPDocBench-Parseは、現実世界のアプリケーションにおけるマルチページ文書解析のためのベンチマークである。 433の注釈付き文書に3,246ページあり、英語と中国語の15種類の文書を網羅しており、レイアウトは様々である。
  論文  参考訳（メタデータ） (2026-05-21T07:36:41Z)
• WCXB: A Multi-Type Web Content Extraction Benchmark [0.0]
  我々は1,613ドメインから2,008ページのデータセットであるWeb Content extract Benchmark (WCXB)を紹介した。 データセットは、1,497ページの開発セットと、マッチしたページタイプの分布を持つ511ページの保留テストセットを含む。 13の抽出システムを評価し,トップシステムは記事に収束する一方で,構造化ページタイプによって性能が著しく変化していることを見出した。
  論文  参考訳（メタデータ） (2026-05-20T12:28:12Z)
• Evidence Units: Ontology-Grounded Document Organization for Parser-Independent Retrieval [0.0]
  要素レベルの索引付けは、独立したチャンクとして解析された全ての要素を扱い、セマンティックな結合単位を別々の検索候補に分散させる。 本稿では,エビデンス・ユニット(EU)を構成するパイプラインについて述べる。
  論文  参考訳（メタデータ） (2026-04-01T05:32:16Z)
• From PDF to RAG-Ready: Evaluating Document Conversion Frameworks for Domain-Specific Question Answering [32.10503220086596]
  Retrieval-Augmented Generation (RAG) システムは文書前処理の品質に大きく依存する。 従来の研究では、下流の質問応答精度への影響でPDF処理フレームワークの評価は行われていない。 オープンソースのPDF-to-Markdown変換フレームワークであるDocling、MinerU、Marker、DeepSeek OCRを19のパイプライン構成で比較する。
  論文  参考訳（メタデータ） (2026-03-30T14:40:58Z)
• MoDora: Tree-Based Semi-Structured Document Analysis System [62.01015188258797]
  半構造化文書は、様々な不規則なレイアウトで配置された様々なインターリーブされたデータ要素を統合する。 MoDora は半構造化文書解析のための LLM を利用したシステムである。 実験では、MoDoraは5.97%-61.07%の精度でベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-02-26T14:48:49Z)

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。