論文の概要: Learning Where to Look: Anatomical Grounding and Guided Attention for Cardiac MRI Vision-Language Models
- arxiv url: http://arxiv.org/abs/2609.39899v1
- Date: Wed, 30 Sep 2026 15:00:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.952954
- Title: Learning Where to Look: Anatomical Grounding and Guided Attention for Cardiac MRI Vision-Language Models
- Title（参考訳）: 解剖学的グラウンドリングとガイド付き注意:心臓MRI画像言語モデル
- Abstract要約: 解剖学的根拠を用いた細粒度CMR視覚質問応答の検討と注意喚起を行った。
これらのデータセットは、個々のトレーニングイメージにペアレポートを必要とすることなく、解剖学的認識、局所化、臨床評価をサポートする。
我々のデータと手法は、ガイド付き視覚言語モデルにおいて、心臓の視覚的理解を研究・推進するための実践的な枠組みを提供する。
- 参考スコア（独自算出の注目度）: 24.333518647187123
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cardiac magnetic resonance imaging (CMR) enables assessment of cardiac anatomy, ventricular function, and myocardial tissue characteristics. Clinicians interpret these images by identifying cardiac structures and focusing on the regions relevant to each clinical question, motivating anatomically guided vision-language models (VLMs). Yet CMR-specific supervision for anatomical localisation and clinical question answering remains limited. To address this gap, we investigate fine-grained CMR visual question answering through anatomical grounding and guided attention. We construct 128,915 anatomical-grounding and 42,799 clinical QA pairs across short-axis cine, late gadolinium enhancement, and long-axis cine. These datasets support anatomical recognition, localisation, and clinical assessment without requiring paired reports for individual training images. To help the model learn where to look, we introduce Cardiac Anatomy-Routed Attention (CARA), which selects predicted anatomical priors according to the question and guides decoder attention with learned task-specific strengths. Combining anatomical grounding pretraining with CARA yields our model, CARA-VL. Experiments demonstrate CARA-VL's strengths in clinical assessment and regional localisation across CMR imaging settings, with promising generalization to an external clinical cohort. Together, our data and method provide a practical framework for studying and advancing cardiac visual understanding in VLMs. We will release the QA data derived from public datasets upon publication.
- Abstract（参考訳）: 心臓磁気共鳴画像(CMR)は、心臓解剖、心機能、および心筋組織の特徴を評価することができる。
臨床医は、心構造を同定し、それぞれの臨床的問題に関連する領域に焦点を当て、解剖学的にガイドされた視覚言語モデル(VLM)を動機付けることにより、これらの画像を解釈する。
しかし, 解剖学的局所化と臨床質問応答に対するCMR特異的監督は依然として限られている。
このギャップに対処するため,解剖学的根拠を通したきめ細かなCMR視覚的質問応答について検討し,注意を喚起した。
128,915個の解剖学的接地と42,799個の臨床QAペアを短軸シネ,後期ガドリニウムエンハンスメント,長軸シネで構成した。
これらのデータセットは、個々のトレーニングイメージにペアレポートを必要とすることなく、解剖学的認識、局所化、臨床評価をサポートする。
モデルがどこに見ればよいかを知るのを助けるために、質問に応じて予測された解剖学的先行を選定し、学習したタスク固有の強度でデコーダの注意をガイドするCARA(Cardiac Anatomy-Routed Attention)を導入する。
解剖学的グラウンドトレーニングと CARA-VL の併用により,我々のモデルである CARA-VL が得られた。
臨床評価におけるCARA-VLの強みとCMR画像設定における局所的局在を実証し,外部臨床コホートへの有望な一般化を示した。
我々のデータと手法は、VLMにおける心臓の視覚的理解を研究するための実践的な枠組みを提供する。
公開時に公開データセットから得られたQAデータを公開します。
関連論文リスト
- Learning To Focus: Anatomy-Guided Attention Regularization for Medical Image Classification [1.2081034098848615]
Locusは、解剖学的(地上)と背景領域の間の注意のバランスをとる正規化フレームワークである。
皮膚内視鏡,X線,病理組織学,心臓MRIを対象とする8種類の医用画像データセットについてLocusを検証した。
論文 参考訳（メタデータ） (2026-07-12T17:26:17Z) - Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。
患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
論文 参考訳（メタデータ） (2026-02-02T13:07:52Z) - 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) - Semantic Segmentation for Preoperative Planning in Transcatheter Aortic Valve Replacement [61.573750959726475]
経カテーテル大動脈弁置換術(TAVR)の術前計画のための医療ガイドラインを考察し,セマンティックセグメンテーションモデルを用いて支援できる課題を同定する。
まず, 細粒度のTAVR関連擬似ラベルを, 粗粒度の解剖学的情報から抽出し, セグメンテーションモデルを訓練し, スキャンでこれらの構造がどれだけよく見つかるかを定量化する。
論文 参考訳（メタデータ） (2025-07-22T13:24:45Z) - Encoding of Demographic and Anatomical Information in Chest X-Ray-based Severe Left Ventricular Hypertrophy Classifiers [36.052936348670634]
胸部X線による重症左室肥大を予測するための直接分類フレームワークを提案する。
提案手法は AUROC と AUPRC を高い精度で実現し,特徴表現率の定量化に相互情報ニューラル推定を用いる。
論文 参考訳（メタデータ） (2025-05-31T13:30:04Z) - Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。
VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。
本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-05-29T23:19:28Z) - A Comparative Analysis of U-Net-based models for Segmentation of Cardiac MRI [0.0]
本稿では,心臓短軸MRI(Magnetic Resonance Imaging)画像のセマンティックセグメンテーションにおけるディープラーニング手法の適用について検討する。
焦点は、U-Netの派生品である様々なアーキテクチャの実装に焦点を当て、包括的な解剖学的および機能解析のために心臓の特定の部分を効果的に分離することである。
論文 参考訳（メタデータ） (2024-01-18T13:51:20Z) - A Generalizable Deep Learning System for Cardiac MRI [29.429744474335347]
本稿では,ヒト心血管疾患と健康の広さを表現できる心臓MRIの基礎的ビジョンシステムについて述べる。
深層学習モデルは自己指導型コントラスト学習によって訓練され, 関連する放射線学報告の生テキストからシネケンス心磁図の視覚的概念を学習する。
本研究の深層学習システムは,人間の心血管疾患の停滞する複雑さを理解できるだけでなく,典型的にはこれらの課題に必要とされるトレーニングデータのごく一部を応用した,目覚しい臨床段階の診断精度をもたらす臨床上の問題に向けることができることを示す。
論文 参考訳（メタデータ） (2023-12-01T05:27:29Z) - Region-based Contrastive Pretraining for Medical Image Retrieval with
Anatomic Query [56.54255735943497]
医用画像検索のための地域別コントラスト事前トレーニング(RegionMIR)
医用画像検索のための領域ベースコントラスト事前トレーニング(RegionMIR)について紹介する。
論文 参考訳（メタデータ） (2023-05-09T16:46:33Z) - Training Automatic View Planner for Cardiac MR Imaging via
Self-Supervision by Spatial Relationship between Views [28.27778627797572]
本研究は, 自動心磁気共鳴画像診断のためのクリニック互換でアノテーションのないシステムを提案する。
このシステムは、ソースビューとターゲットビューの間の空間的関係(具体的には、交差する線の位置と利用)をマイニングし、これらの交差する線で定義されたヒートマップを回帰するように、ディープネットワークを訓練する。
ターゲットビューのすべてのソースビューに対して予測されたヒートマップから情報を集約し、グローバルに最適な処方則を求めるマルチビュー計画戦略を提案する。
論文 参考訳（メタデータ） (2021-09-24T02:25:22Z) - A Global Benchmark of Algorithms for Segmenting Late Gadolinium-Enhanced
Cardiac Magnetic Resonance Imaging [90.29017019187282]
現在世界最大の心臓LGE-MRIデータセットである154個の3D LGE-MRIを用いた「2018 left Atrium Challenge」。
技術および生物学的指標を用いた提案アルゴリズムの解析を行った。
その結果, 最上部法は93.2%, 平均表面は0.7mmであった。
論文 参考訳（メタデータ） (2020-04-26T08:49:17Z)
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。