論文の概要: Confidence-Gated Cloud-Edge Cascade Triage via Variational Risk Minimization for Medical Imaging

• arxiv url: http://arxiv.org/abs/2610.02269v1
• Date: Thu, 01 Oct 2026 06:15:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.022836
• Title: Confidence-Gated Cloud-Edge Cascade Triage via Variational Risk Minimization for Medical Imaging
• Title（参考訳）: 医療画像のリスク最小化による信頼性向上クラウドエッジカスケードトリアージ
• Abstract要約: LVLM生成報告の変異をモンテカルロ検体として治療するためのフレームワークである変動リスク最小化(VRM)を提案する。 VRMは、教師の分布のばらつきから学習し、モダリティの欠如による不確実性認識の監視を可能にする。 小型エッジスチューデントインスタンス化では,20.3%のクラウド遅延エスカレーションで平均103msでAUC 0.941に達する。
• 参考スコア（独自算出の注目度）: 12.24410498461184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emergency chest X-ray (CXR) triage has a structural modality gap: reports arrive after triage decisions, yet multimodal foundation models require image-text inputs. We present Variational Risk Minimization (VRM), a distillation framework that treats LVLM-generated report variants as Monte Carlo samples of latent clinical interpretations. Rather than distilling from a single teacher target, VRM learns from a variationally marginalized teacher distribution, enabling uncertainty-aware supervision under missing-modality constraints. Under matched encoder families, VRM outperforms direct fine-tuning baselines and improves calibration with strong recovery from hallucinated supervision. Marginalized supervision reduces report-selection instability. In our compact edge-student instantiation, a confidence-gated cascade reaches AUC 0.941 at 103ms average latency with 20.3% cloud escalation, yielding an explicit reliability-latency operating point for cloud-edge clinical workflows.
• Abstract（参考訳）: 緊急胸部X線(CXR)トリアージは、トリアージ決定後に報告されるが、マルチモーダル基礎モデルは画像テキスト入力を必要とする。 LVLM産生報告の変異をモンテカルロ検体として扱う蒸留フレームワークである変異リスク最小化(VRM)を提案する。 単一の教師対象から蒸留する代わりに、VRMは変化に富んだ教師分布から学習し、モダリティの欠如した制約の下で不確実性に気付く教師の監督を可能にする。 一致したエンコーダファミリーの下では、VRMは直接微調整ベースラインを上回り、幻覚的監督からの強い回復により校正を改善する。 マージナライズされた監督は、レポート選択の不安定性を低減する。 コンパクトなエッジスチューデントインスタンス化では、信頼性の高いカスケードが平均103msでAUC 0.941に到達し、20.3%のクラウドエスカレーションを実現した。

関連論文リスト

• TTSD-FAR: Test-Time Self-Distillation with Fisher-Anchored Restoration for Missing-Modality Emotion Recognition in LVLMs [83.78708832901194]
  大規模ビデオ言語モデル(LVLM)は、野生のマルチモーダル感情認識(ER)のようなマルチモーダルタスクにおいて顕著なパフォーマンスを示している。 しかし、現実のデプロイメントは依然として困難であり、テスト時にモダリティが欠落したりうる。 凍結した教師が自己蒸留により適応的な低学級の生徒を指導する手法を提案する。 MELD, DFEW, BAHを0%-50%のモダリティで実験した結果, この統一型適応復元設計はエントロピーベースの適応, RAG, およびパープレキシティベースの生成より一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-18T23:40:28Z)
• TMF-RSE: Tri-Modal Fusion with Regional Semantics and Evidential Uncertainty for Lung Severity Scoring [11.785230718509196]
  本稿では,2次元胸部入力による外観特徴,肺分画マスクによる構造特徴,重度定量化のための視覚言語モデルによる意味特徴を組み合わせた3次元深層学習フレームワークTMF-RSEを提案する。 提案手法では, セマンティックガイダンス, 構造的先行, 階層的相互作用を統合した相補的な融合機構を用いる。 Per-COVID-19 CTとRALOデータセットの実験は、TMF-RSEが最近のトランスフォーマーベースのベースラインより優れていることを示している。
  論文  参考訳（メタデータ） (2026-07-07T14:54:40Z)
• 3D Classification of Paramagnetic Rim Lesions in Multiple Sclerosis via Asymmetric QSM-FLAIR Modeling [4.672573934670909]
  多発性硬化症(MS)における慢性活動性炎症の特異的バイオマーカーとして,感応性感応性MRIで同定された常磁性リム病変(Rim$+$)が最近出現している。 本稿では,QSMとFLAIR MRIを用いた病変レベルRim$+/Rim$-$分類のための3次元マルチモーダルディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-15T14:10:30Z)
• ProtoCLIP: Prototype-Aligned Latent Refinement for Robust Zero-Shot Chest X-Ray Classification [3.428885759047836]
  私たちは、CLIPスタイルの視覚言語モデル(VLM)の洗練戦略であるProtoCLIPを提案する。 我々は,共起バイアスを低減するために,陰性標本をキュレートした病理学習サブセットを構築した。 また, セマンティック構造を維持しつつ適応を安定させるため, 表現保存蒸留の目的も導入した。
  論文  参考訳（メタデータ） (2026-04-20T16:01:44Z)
• CoDA: Exploring Chain-of-Distribution Attacks and Post-Hoc Token-Space Repair for Medical Vision-Language Models [14.039516906417724]
  本稿では, 買収型シェーディング, 再構築・表示リマッピング, 納品・輸出劣化による臨床応用可能なパイプラインシフトを構築するチェーン・オブ・ディストリビューション・フレームワークを提案する。 脳MRI,胸部X線,腹部CTでは,CLIP型MVLMのゼロショット性能が著しく低下する。 また,マルチモーダルな大規模言語モデル (MLLM) を,画像リアリズムと品質を診断する技術的オーディケータとして評価した。
  論文  参考訳（メタデータ） (2026-03-19T07:00:44Z)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• Transparent Early ICU Mortality Prediction with Clinical Transformer and Per-Case Modality Attribution [42.85462513661566]
  ICU滞在後48時間から, 生理的時系列測定と非構造的臨床記録とを融合した, 軽量で透明なマルチモーダルアンサンブルを提案する。 ロジスティック回帰モデルは、バイタル用双方向LSTMとノート用微調整された臨床ModernBERT変換器の2つのモード固有モデルからの予測を組み合わせる。 MIMIC-IIIベンチマークでは、遅延融合アンサンブルは、よく校正された予測を維持しながら、最高の単一モデルに対する差別を改善する。
  論文  参考訳（メタデータ） (2025-11-19T20:11:49Z)
• Conformal Lesion Segmentation for 3D Medical Images [82.92159832699583]
  本稿では,データ駆動しきい値の校正をコンフォーマル化することで,テスト時間FNRが目標許容値以下であることを保証する,リスク制約付きフレームワークを提案する。 5つのバックボーンモデルにまたがる6つの3D-LSデータセット上でのCLSの統計的健全性と予測性能を検証し,臨床実践におけるリスク認識セグメンテーションの展開に関する実用的な知見を得た。
  論文  参考訳（メタデータ） (2025-10-19T08:21:00Z)
• 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)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)

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。