論文の概要: CineMR: Tool-Integrated Vision-Language Reasoning for Quantitative Cardiac MRI Assessment

• arxiv url: http://arxiv.org/abs/2610.01166v2
• Date: Mon, 05 Oct 2026 01:42:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 04:43:28.513746
• Title: CineMR: Tool-Integrated Vision-Language Reasoning for Quantitative Cardiac MRI Assessment
• Title（参考訳）: CineMR : 定量的心臓MRI評価のためのツール付き視覚言語推論
• Abstract要約: 心臓血管磁気共鳴(CMR)は、心臓形態および心機能の非侵襲的評価基準である。 現在の医療ビジョン言語モデル(VLM)は、多次元シネ画像から定量的な測定を確実に導き出すことはできない。 我々は,心画像解析ツールを起動し,その出力を定量的なCMR評価のためのインターリーブ推論に統合するツール拡張VLMであるCineMRを提案する。
• 参考スコア（独自算出の注目度）: 48.337540718172384
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cardiovascular magnetic resonance (CMR), including cine imaging, is a reference standard for the noninvasive assessment of cardiac morphology and ventricular function. Cine CMR interpretation integrates qualitative visual assessment with quantitative measurements of ventricular volumes, ejection fraction, myocardial mass, wall thickness, and regional wall motion. Current medical vision-language models (VLMs) cannot reliably derive quantitative measurements from multidimensional cine images without analysis tools. We present CineMR, a tool-augmented VLM that invokes cardiac image-analysis tools and integrates their outputs into interleaved reasoning for quantitative CMR assessment. We also construct a multi-cohort visual question answering benchmark covering quantitative metric extraction, multiclass diagnosis, and differential diagnosis, together with tools for segmentation, phase selection, volumetry, morphometry, and regional wall motion analysis. CineMR is trained with supervised fine-tuning (SFT) on tool-interaction traces followed by Group Relative Policy Optimization (GRPO) with conditional tool-use rewards. On the multi-cohort cine CMR benchmark, CineMR achieves 35.9% pass@1 and 58.9% pass@4, compared with 1.5% pass@1 for the Qwen3-VL-8B backbone and 0.0% and 7.0% pass@1 for LLaVA-Med v1.5 and MedGemma-4B, respectively. Correct tool invocation reaches 99.8% after GRPO, up from 78.9% after SFT. Live tool outputs improve ventricular measurement accuracy by 20.4--23.7% over direct model predictions, and removing all tools reduces pass@1 from 35.9% to 27.9%. These results highlight the importance of reliable tool use for quantitative cine CMR reasoning and support CineMR as a promising approach for assistive cardiac image assessment. Code, benchmark resources, and model weights are available at https://github.com/AI-MIND-Lab/CineMR.
• Abstract（参考訳）: 心臓血管磁気共鳴(CMR)は、心臓形態と心機能の非侵襲的評価のための基準基準である。 Cine CMRの解釈は、質的な視覚的評価と、心室容積、吐出率、心筋量、壁厚、局所壁運動の定量的測定を統合している。 現在の医療ビジョン言語モデル(VLM)は、分析ツールなしで多次元シネ画像から定量的な測定を確実に導き出すことはできない。 我々は,心画像解析ツールを起動し,その出力を定量的なCMR評価のためのインターリーブ推論に統合するツール拡張VLMであるCineMRを提案する。 また,定量的な計量抽出,マルチクラス診断,鑑別診断を対象とし,セグメンテーション,位相選択,体積分析,形態計測,局所壁運動解析などのツールを組み込んだマルチコホート視覚質問応答ベンチマークを構築した。 CineMRは、ツールインタラクショントレースの教師付き微調整(SFT)と、条件付きツール使用報酬を備えたグループ相対ポリシー最適化(GRPO)で訓練されている。 マルチコアのcine CMRベンチマークでは、CineMRが35.9%のpass@1と58.9%のpass@4を達成し、Qwen3-VL-8Bバックボーンでは1.5%のpass@1、LLaVA-Med v1.5とMedGemma-4Bでは0.0%と7.0%のpass@1を達成している。 GRPO以降は99.8%、SFT以降は78.9%だった。 ライブツール出力は、直接モデル予測よりも20.4-23.7%精度が向上し、すべてのツールを削除することで、パス@1が35.9%から27.9%に減少する。 これらの結果は,CineMRを定量的に評価するための信頼性ツールの使用の重要性を強調し,CineMRを補助的心画像評価のための有望なアプローチとしてサポートしている。 コード、ベンチマークリソース、モデルウェイトはhttps://github.com/AI-MIND-Lab/CineMRで入手できる。

関連論文リスト

• CMRVision: A Foundation Model for Cardiac MR Image Analysis [21.180056139848528]
  我々は、DINOv3スタイルの自己教師型学習を用いて訓練されたCMR固有の基礎モデルであるCMRVisionを紹介する。 CMRVisionは、シネ間でのマルチタスクセグメンテーション、後期ガドリニウム増強(LGE)、マッピングシーケンスの2つの下流タスクで評価される。 実験の結果、CMR固有の事前トレーニング、パッチサイズ、パッチレベルの目標がダウンストリーム性能を継続的に改善していることが判明した。
  論文  参考訳（メタデータ） (2026-09-01T14:34:30Z)
• ConvFormer3D-TAP: Phase/Uncertainty-Aware Front-End Fusion for Cine CMR View Classification Pipelines [0.879504058268139]
  ConvFormer3D-TAPは3D畳み込みトークン化とマルチスケールの自己アテンションを統合し、心臓相と曖昧な側頭節間の堅牢性を高める。 ConvFormer3D-は150,974の臨床的に得られたシネ配列のコホートで、クラスごとのF1スコアによる検証精度が96%に達した。 これらの結果は、エンドツーエンドのcMRIにおけるビュールーティング、フィルタリング、品質制御のためのスケーラブルなフロントエンドとして、ConvFormer3DTAPをサポートする。
  論文  参考訳（メタデータ） (2026-04-13T12:29:16Z)
• LGE-Guided Cross-Modality Contrastive Learning for Gadolinium-Free Cardiomyopathy Screening in Cine CMR [51.11296719862485]
  CMRを用いたガドリニウムフリー心筋症スクリーニングのためのコントラシブラーニングおよびクロスモーダルアライメントフレームワークを提案する。 CMRとLate Gadolinium Enhancement (LGE) 配列の潜伏空間を整列させることにより, 本モデルでは線維症特異的な病理組織をCMR埋め込みにエンコードする。
  論文  参考訳（メタデータ） (2025-08-23T07:21:23Z)
• A versatile foundation model for cine cardiac magnetic resonance image analysis tasks [6.488550274514015]
  臨床関連画像解析タスクを多種多様な基礎モデルで行う。 CineMAという名前のマルチビュー畳み込み変換マスク付きオートエンコーダは、74,916人の被験者から1500万枚のシネ画像で訓練された。
  論文  参考訳（メタデータ） (2025-05-31T19:12:34Z)
• HepatoGEN: Generating Hepatobiliary Phase MRI with Perceptual and Adversarial Models [33.7054351451505]
  肝胆道相(HBP)画像の初期コントラスト位相からの深層学習に基づく合成手法を提案する。 pGANの定量的評価は, 視力評価とブラインドドラジオロジカル・レビューの併用により, pGANが最高の定量的性能を示した。 対照的に、U-Netは、より少ないアーティファクトで一貫した肝拡張を発生させ、DDPMは、微細構造の詳細の保存が限られているため、性能が低下した。
  論文  参考訳（メタデータ） (2025-04-25T15:01:09Z)
• A Deep Learning-based Integrated Framework for Quality-aware Undersampled Cine Cardiac MRI Reconstruction and Analysis [4.780348242743022]
  我々は, アンダーサンプルシネCMRデータの再構成, セグメンテーション, 下流解析のための品質制御統合フレームワークを提案する。 このフレームワークは、取得したデータが十分であれば、高品質な再構成やセグメンテーションを生成するのに十分なときに、取得を停止することができるラジアルk空間データのアクティブな取得を可能にする。
  論文  参考訳（メタデータ） (2022-05-02T18:02:22Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)
• A multicenter study on radiomic features from T$_2$-weighted images of a customized MR pelvic phantom setting the basis for robust radiomic models in clinics [47.187609203210705]
  骨盤ファントムの2Dおよび3D T$$-weightedイメージを3つのスキャナーで取得した。 放射線学的特徴の再現性と再配置を評価した。
  論文  参考訳（メタデータ） (2020-05-14T09:24:48Z)
• 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。