Fugu-MT 論文翻訳(概要): Clinical Trajectory Alignment for Medical Vision-Language Pre-training

論文の概要: Clinical Trajectory Alignment for Medical Vision-Language Pre-training

arxiv url: http://arxiv.org/abs/2609.34439v1
Date: Mon, 28 Sep 2026 06:58:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-03 20:46:20.963864
Title: Clinical Trajectory Alignment for Medical Vision-Language Pre-training
Title（参考訳）: 医用視力訓練のための軌道アライメント
Abstract要約: 訪問レベルのクロスモーダルマッチングから臨床変化の学習まで,医療ビジョン言語による事前学習を再構築するMedCTAを提案する。異常範囲では、臨床的に根拠付けられたクエリは、異常条件付き視覚的およびテキスト的軌跡を構成し、異種異常の進化を捉える。患者の対象範囲では、グローバル画像および報告シーケンスをモデル化し、個々の異常を超える総合的な臨床経過を捉える。
参考スコア（独自算出の注目度）: 15.353387484801125
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Medical vision-language pre-training largely follows a visit-level image-report matching paradigm, aligning paired images and reports at individual visits. While effective for static cross-modal correspondence, this paradigm provides limited supervision for longitudinal clinical change, such as whether abnormalities improve, remain stable, or worsen over time. Learning such change is challenging because temporal semantics are implicit in free-text reports, and different abnormalities within the same patient may evolve asynchronously or even in opposite directions. We propose MedCTA, which reframes medical vision-language pre-training from visit-level cross-modal matching to learning clinical change. Rather than compressing a patient history into a single temporal representation, MedCTA models clinical change at two complementary scopes. At the abnormality scope, clinically grounded queries construct abnormality-conditioned visual and textual trajectories to capture heterogeneous abnormality evolution. At the patient-course scope, global image and report sequences are modeled to capture overall clinical progression beyond any individual abnormality. Structured trend supervision is extracted from longitudinal reports by an offline LLM parser, removing the need for manual temporal annotations. Combined with static image-report alignment, MedCTA learns representations that preserve visit-level cross-modal correspondence while encoding longitudinal change semantics. Experiments on temporal image classification, image-text retrieval, and zero-shot classification show consistent gains over strong medical vision-language baselines.
Abstract（参考訳）: 医療ビジョン言語による事前訓練は、主に訪問レベルのイメージレポートマッチングパラダイムに従っており、個々の訪問時にペアイメージとレポートを調整している。静的なクロスモーダル対応には有効であるが、このパラダイムは、異常が改善するか、安定するか、時間とともに悪化するかといった、縦断的な臨床変化に対する限られた監督を提供する。このような変化を学ぶことは、時間的意味論が自由テキストで暗黙的であり、同じ患者内の異なる異常が非同期または反対方向に進化する可能性があるため、困難である。訪問レベルのクロスモーダルマッチングから臨床変化の学習まで,医療ビジョン言語による事前学習を再構築するMedCTAを提案する。患者履歴を1つの時間的表現に圧縮するのではなく、MedCTAは2つの相補的なスコープで臨床変化をモデル化する。異常範囲では、臨床的に根拠付けられたクエリは、異常条件付き視覚的およびテキスト的軌跡を構成し、異種異常の進化を捉える。患者の対象範囲では、グローバル画像および報告シーケンスをモデル化し、個々の異常を超える総合的な臨床経過を捉える。構造的傾向監視は、オフラインのLCMパーサによって縦方向のレポートから抽出され、手動の時間的アノテーションを必要としない。静的な画像-レポートアライメントと組み合わせて、MedCTAは経時変化セマンティクスを符号化しながら、訪問レベルのクロスモーダル対応を保存する表現を学習する。時間的画像分類、画像テキスト検索、ゼロショット分類の実験は、強い医用視覚言語ベースラインよりも一貫した利得を示している。

関連論文リスト

CT-$Δ$Bench: A Benchmark for Longitudinal 3D Medical Imaging Difference Reporting with Vision-Language Models [21.022823890203597]
縦断的画像差分報告とは、あるモデルが、同じ患者から2つの時間的に分離されたスキャンを受け取り、臨床的に有意義な報告を生成するタスクである。患者レベル分割による情報漏洩防止のための専用ベンチマークであるCT-$Benchを紹介する。また,臨床的に有意な経年変化を捉え,医師の独立した検証を行うための変化認識尺度も開発した。
論文参考訳（メタデータ） (2026-08-12T00:55:31Z)
MedTVL: Harnessing Vision and Language for Medical Time Series Classification [19.203817248290573]
医用時系列分類に適したテキスト誘導型デュアルパスウェイアーキテクチャであるMedTVLを紹介する。畳み込みに基づく時間的経路を合成し、生の数値列から微細な時間的ダイナミックスを生成する。また、時系列画像からの全体的形態構造のためのトランスフォーマーベースの視覚経路も含んでいる。
論文参考訳（メタデータ） (2026-07-07T10:04:39Z)
Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification [59.24009931000134]
MVSL(Multi-View Synergistic Learning)は、適応パラダイム、表現の粒度、疾患の意味的関係に対処する統合フレームワークである。 MVSLは、視覚的およびテキスト的エンコーダの適応を分離し、それぞれの表現特性を尊重する。さらに、グローバルなイメージセマンティクスと局所的な病変レベルの証拠の両方を明示的にモデル化するために、多粒性コントラスト学習を導入する。 MVSLは、いくつかのショットとゼロショットの分類設定において、最先端のメソッドを一貫して上回る。
論文参考訳（メタデータ） (2026-04-27T02:41:27Z)
MedTri: A Platform for Structured Medical Report Normalization to Enhance Vision-Language Pretraining [8.712318878617507]
MedTriは、医療ビジョン言語事前トレーニングのためのデプロイ可能な正規化フレームワークである。 MedTriは、フリーテキストのレポートを統一された[解剖学的エンティティ: 放射性記述 + 診断カテゴリ]トリプルに変換する。構造的,解剖学的テキスト正規化は,医用視覚言語事前学習における重要な要素であることを示す。
論文参考訳（メタデータ） (2026-02-25T17:49:03Z)
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)
TemMed-Bench: Evaluating Temporal Medical Image Reasoning in Vision-Language Models [54.48710348910535]
既存の医学推論ベンチマークは、主に1回の訪問からの画像に基づいて患者の状態を分析することに焦点を当てている。臨床訪問における患者の状態の変化を分析するための最初のベンチマークであるTemMed-Benchを紹介する。
論文参考訳（メタデータ） (2025-09-29T17:51:26Z)
Improving Medical Visual Representation Learning with Pathological-level Cross-Modal Alignment and Correlation Exploration [21.260659596426184]
画像と報告の両方から病理観察の一貫性を最大化するために,新しい病理レベルの相互アライメント(PCMA)手法を提案する。 PCMAモジュールは外部の疾患アノテーションとは独立して動作し,本手法の汎用性と堅牢性を高める。実験により,提案するフレームワークは,複数の下流タスクにおいて,新しい最先端性能を実現することを示す。
論文参考訳（メタデータ） (2025-06-12T11:01:57Z)
Causal Disentanglement for Robust Long-tail Medical Image Generation [80.15257897500578]
そこで本研究では,病的特徴と構造的特徴を独立に生成する新しい医用画像生成フレームワークを提案する。本稿では,病理所見から導かれる拡散モデルを用いて病理像をモデル化し,種々の対物画像の生成を可能にする。
論文参考訳（メタデータ） (2025-04-20T01:54:18Z)
Learning to Exploit Temporal Structure for Biomedical Vision-Language Processing [53.89917396428747]
視覚言語処理における自己教師あり学習は、画像とテキストのモダリティのセマンティックアライメントを利用する。トレーニングと微調整の両方で利用できる場合、事前のイメージとレポートを明示的に説明します。我々のアプローチはBioViL-Tと呼ばれ、テキストモデルと共同で訓練されたCNN-Transformerハイブリッドマルチイメージエンコーダを使用する。
論文参考訳（メタデータ） (2023-01-11T16:35:33Z)
Multi-Granularity Cross-modal Alignment for Generalized Medical Visual Representation Learning [24.215619918283462]
本報告では, 医用画像の表現を直接学習するための新しい枠組みについて述べる。本フレームワークは,医用画像と放射線学レポートの自然に現れる意味的対応を3段階に分けて活用する。
論文参考訳（メタデータ） (2022-10-12T09:31:39Z)
Unifying Relational Sentence Generation and Retrieval for Medical Image Report Composition [142.42920413017163]
現在の手法は、個々のケースのデータセットバイアスにより、しばしば最も一般的な文を生成する。テンプレート検索と文生成を一体化し、共通およびまれな異常に対処する新しいフレームワークを提案する。
論文参考訳（メタデータ） (2021-01-09T04:33:27Z)

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。