論文の概要: GateSPINE: Gated Cross-View Fusion for Lumbar Spine MRI Report Generation

• arxiv url: http://arxiv.org/abs/2609.40091v1
• Date: Wed, 30 Sep 2026 16:31:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.085006
• Title: GateSPINE: Gated Cross-View Fusion for Lumbar Spine MRI Report Generation
• Title（参考訳）: GateSPINE:腰部MRI画像生成のためのクロスプラットフォーム核融合
• Abstract要約: GateSPINEは、矢状T1およびT2ボリュームをトレーニングフリーオペレータと融合するビジョン言語フレームワークである。 その中核となるメカニズムはゲート型クロスビュー融合モジュールで、機能チャネルとトークン毎に、各ビューがどの程度の量を許容するかを予測する。
• 参考スコア（独自算出の注目度）: 2.3956617302477827
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated report generation can ease the burden radiolo gists face when interpreting multi-sequence MRI studies. Unlike CT, MRI examinations comprise multiple sequences and imaging planes, each con tributing complementary diagnostic information. Existing methods en code a study as a single volume and combine multiple acquisitions by fixed rules. Findings visible in only one plane are thus diluted and of ten missed, lowering recall on clinical efficacy metrics, where a missed abnormality is most costly. We propose GateSPINE, a vision-language framework that fuses sagittal T1 and T2 volumes with a training-free operator, encodes the fused sagittal and axial volumes with two parallel 3D encoders, and decodes their combined representation into a report. Its core mechanism is a gated cross view fusion module that predicts, per feature channel and token, how much of each view to admit, so the more informative view dominates at each spatial location. We evaluate GateSPINE on three lumbar MRI datasets, comprising two public bench marks and a private cohort collected from Phenikaa University Hospital, using both natural language generation (NLG) and clinical efficacy (CE) metrics. GateSPINE achieves the highest CE F1 through improved re call on all three datasets; on SPIDER, which lacks an axial sequence, this reflects the sagittal fusion component rather than the gated cross-view mechanism, which is validated on the two cohorts with both imaging planes. GateSPINE also remains competitive on standard NLG metrics.
• Abstract（参考訳）: 自動レポート生成は、マルチシーケンスMRI研究を解釈する際に、負担なラジオロジストの顔を緩和することができる。 CTとは異なり、MRI検査は複数のシークエンスとイメージングプレーンで構成され、それぞれが補完的な診断情報を提供する。 既存の手法は研究を1つのボリュームとして符号化し、固定ルールによって複数の取得を結合する。 したがって、1つの飛行機でしか見えない発見は希薄化され、10件の欠落により臨床効果指標のリコールが減少し、見逃した異常が最もコストがかかる。 本稿では,2つの並列3次元エンコーダで融合された矢状と軸の体積を符号化し,それらの合成表現をレポートに復号する。 その中核となるメカニズムはゲート型クロスビュー融合モジュールで、特徴チャネルとトークン毎に、それぞれのビューがどの程度の量を持つかを予測するため、より情報的なビューがそれぞれの空間的位置で支配される。 フェニカ大学病院から収集した2つの公開ベンチマークと1つのプライベートコホートからなる3つの腰椎MRIデータセット上でGateSPINEを評価し,自然言語生成(NLG)と臨床効果(CE)の測定値を用いて検討した。 GateSPINEは3つのデータセットのリコールを改善してCE F1の最高値を達成している。SPIDERは軸列を欠いているが、これはどちらも撮像面を持つ2つのコホート上で検証されるゲート・クロスビュー機構ではなく、矢状融合成分を反映している。 GateSPINEは標準のNLGメトリクスにも競争力がある。

関連論文リスト

• ClinFusion: A Vision-Centric Multimodal LLM System for Holistic Medical Understanding [67.57715989349471]
  MLLM(Multimodal large language model)は、臨床実践に革命をもたらす大きな可能性を秘めている。 我々は、総合的な医学的理解のために設計された視覚中心のMLLMであるClinFusionを紹介する。 ClinFusionは、総合的な2Dおよび3Dマルチモーダル・メディカル・ベンチマーク・スイートにまたがって、最先端の新たな状態を設定する。
  論文  参考訳（メタデータ） (2026-07-27T17:59:49Z)
• A multi-agent system for spine MRI report generation from multi-sequence imaging [13.179616037269952]
  脊椎病理は世界中で痛みと障害の主な原因である。 最近の自動MRI解析の進歩にもかかわらず、マルチシーケンスデータを効果的に組み合わせることは未解決の課題である。 SpineAgentは、マルチシーケンス基盤モデルに基づく、脊椎MRIレポート生成のためのマルチエージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-06-08T00:50:07Z)
• MIRAGE: Knowledge Graph-Guided Cross-Cohort MRI Synthesis for Alzheimer's Disease Prediction [15.543131466384658]
  MIRAGEは、欠落したMRI問題を解剖誘導型クロスモーダルラテント蒸留タスクとして再構成する新しいフレームワークである。 凍結事前訓練された3次元U-Netデコーダを補助正規化エンジンとして厳密に採用する。 実験の結果、我々のフレームワークはモダリティのギャップを埋めることに成功し、AD分類率を13%改善した。
  論文  参考訳（メタデータ） (2026-03-02T22:17:37Z)
• Multimodal Visual Surrogate Compression for Alzheimer's Disease Classification [69.87877580725768]
  MVSC(Multimodal Visual Surrogate Compression)は、大規模な3D sMRIボリュームをコンパクトな2D機能に圧縮し、適応させることを学ぶ。 MVSCには2つの重要なコンポーネントがある: テキストガイダンスの下でグローバルなクロススライスコンテキストをキャプチャするボリュームコンテキストと、テキストエンハンスでパッチワイズな方法でスライスレベルの情報を集約するAdaptive Slice Fusionモジュール。
  論文  参考訳（メタデータ） (2026-01-29T13:05:46Z)
• Rethink Domain Generalization in Heterogeneous Sequence MRI Segmentation [1.3753367700362567]
  PancreasDGは、大規模な3次元MRI膵セグメンテーションデータセットである。 PancreasDGは、医療画像の領域一般化のための新しいベンチマークを設定している。
  論文  参考訳（メタデータ） (2025-07-30T21:26:28Z)
• SDR-Former: A Siamese Dual-Resolution Transformer for Liver Lesion Classification Using 3D Multi-Phase Imaging [59.78761085714715]
  本研究は肝病変分類のための新しいSDR-Formerフレームワークを提案する。 提案フレームワークは2つの臨床データセットに関する総合的な実験を通じて検証された。 科学コミュニティを支援するため,肝病変解析のための多段階MRデータセットを公開しています。
  論文  参考訳（メタデータ） (2024-02-27T06:32:56Z)
• Unify, Align and Refine: Multi-Level Semantic Alignment for Radiology Report Generation [48.723504098917324]
  マルチレベル・クロスモーダルアライメントを学習するためのUnify, Align, then Refine (UAR)アプローチを提案する。 本稿では,Latent Space Unifier,Cross-modal Representation Aligner,Text-to-Image Refinerの3つの新しいモジュールを紹介する。 IU-XrayおよびMIMIC-CXRベンチマークデータセットの実験と解析は、UARの様々な最先端手法に対する優位性を実証している。
  論文  参考訳（メタデータ） (2023-03-28T12:42:12Z)
• Synthesis-based Imaging-Differentiation Representation Learning for Multi-Sequence 3D/4D MRI [16.725225424047256]
  画像差分表現学習のためのシーケンス・ツー・シーケンス生成フレームワーク(Seq2Seq)を提案する。 本研究では、1つのモデル内で任意の3D/4Dシーケンスを生成し、任意のターゲットシーケンスを生成するだけでなく、各シーケンスの重要性をランク付けする。 我々は,2万名の模擬被験者のおもちゃデータセット,1,251名の脳MRIデータセット,2,101名の乳房MRIデータセットを含む3つのデータセットを用いて広範な実験を行った。
  論文  参考訳（メタデータ） (2023-02-01T15:37:35Z)
• Optimising Knee Injury Detection with Spatial Attention and Validating Localisation Ability [0.5772546394254112]
  この研究は、膝の外傷検出を最適化するための空間的注意ブロックを備えた、事前訓練された多視点畳み込みニューラルネットワーク(CNN)を用いている。 画像レベルのラベルが付いたオープンソースのMRIデータセットを用いて解析を行った。
  論文  参考訳（メタデータ） (2021-08-18T13:24:17Z)

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。