論文の概要: EviDent-CBCT: Evidence-Bottlenecked Report Generation from Dental CBCT under Non-Exhaustive Report Supervision
- arxiv url: http://arxiv.org/abs/2610.02375v1
- Date: Thu, 01 Oct 2026 18:54:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.051593
- Title: EviDent-CBCT: Evidence-Bottlenecked Report Generation from Dental CBCT under Non-Exhaustive Report Supervision
- Title（参考訳）: Evident-CBCT:Evidence-Bottlenecked Report Generation from Dental CBCT under Non-Exhaustive Report Supervision
- Abstract要約: 限られた臨床データからCBCTレポートを生成するためのエビデント・CBCTについて述べる。
解剖学的ネットワークは、それぞれのCBCTスキャンを歯のレベル、グローバル、および歯のIAC証拠の離散的な記録にマッピングする。
歯科レベルの証拠として、信頼性に配慮したトレーニングでは、非メンションを減量負として用いているが、報告されていないグローバルラベルとIACラベルはいまだに不明である。
- 参考スコア（独自算出の注目度）: 12.64681651727596
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dento-maxillofacial cone-beam CT (CBCT) reports may contain dozens of tooth-specific, anatomical, and spatial findings from a single 3D scan. Learning to generate such reports from limited clinical data is challenging because routine reports may not exhaustively document image findings, and a non-mention may reflect either absence or non-reporting. We present EviDent-CBCT, an evidence-bottlenecked framework designed for this incomplete supervision. An anatomy-aware network maps each CBCT scan to a discrete record of tooth-level, global, and tooth-IAC evidence. A dental-logic consistency projection reconciles incompatible evidence before a deterministic renderer and an image-blind local language model generate the report using only this record. For tooth-level evidence, reliability-aware training uses eligible non-mentions as reduced-weight negatives, while unreported global and tooth-IAC labels remain unknown. A metal-sensitive input channel preserves intensity cues from dental materials. Across three validation runs, EviDent-CBCT achieves $0.666\pm0.006$ merged evidence set-F1 and $0.402\pm0.003$ RadFact-Lite-Dental logical-F1, versus $0.371\pm0.018$ for the strongest controlled direct baseline. In the ODIN 2026 challenge, it ranked second in automated evaluation and third in blinded clinical Arena comparison on the hidden test set. These results support the discrete evidence record as an effective and auditable interface for CBCT report generation.
- Abstract（参考訳）: デント・顎顔面CT(CBCT)では, 歯特異的, 解剖学的, 空間的所見が多数含まれている。
限られた臨床データからそのようなレポートを生成することは、定期的な報告が画像の発見を徹底的に文書化せず、非メンションが欠如または報告されていないことを反映しているため、困難である。
我々は、この不完全な監視のために設計されたエビデント・CBCT(エビデント・CBCT)を提示する。
解剖学的ネットワークは、それぞれのCBCTスキャンを歯のレベル、グローバル、および歯のIAC証拠の離散的な記録にマッピングする。
歯科論理的整合性予測は、決定論的レンダラーと画像ブラインドローカル言語モデルの前に不整合性証拠を照合し、この記録のみを用いてレポートを生成する。
歯科レベルの証拠として、信頼性に配慮したトレーニングでは、非メンションを減量負として用いているが、未報告のグローバルラベルとIACラベルはいまだに不明である。
金属感応入力チャネルは、歯科材料からの強度キューを保存する。
3回の検証で、EviDent-CBCTは$0.666\pm0.006$と$0.402\pm0.003$、RadFact-Lite-Dental論理式-F1を$0.371\pm0.018$と合併した。
ODIN 2026では、自動評価では第2位、隠れたテストセットでは第3位であった。
これらの結果は,CBCTレポート生成のための有効かつ監査可能なインタフェースとして,離散的エビデンス記録を支持する。
関連論文リスト
- PhysioTRACE: Provenance-Aware Stress Tests for Physiological Foundation Models [8.835986135254549]
凍結エンコーダのための4軸動作監査であるPhyloTRACEを紹介する。
これは、プローブがデコードできるものと、固定タスクヘッドが依存するものとを分離する。
それぞれの監査は、3つの評決のうちの1つで終わる。
論文 参考訳（メタデータ） (2026-09-28T07:24:44Z) - ARC-CT: Anatomy-Routed Contrastive Vision-Language Learning for 3D Chest CT [0.41998444721319217]
胸部CTの2つの特徴は、従来のグローバルコントラスト学習に挑戦する。
多くの悪性腫瘍は小または解剖学的に局在している。
標準的な対照的な目的は、バッチ内の他のすべてのスキャンを負として扱う。
論文 参考訳（メタデータ） (2026-08-28T15:45:33Z) - Entity-Constrained CBCT Retrieval for Low-Resource Dental Record Completion [0.7373060295520485]
MMDental Task 3は、わずか50のCBCTケースから7フィールドのレコード補完を必要とする。
本稿では,エビデンス・アベイラビリティーとエビデンス・アベイラビリティーを分離するパラメータフリー・フレームワークである CBCT-Guided Retrieval (ECCR) を提案する。
論文 参考訳（メタデータ） (2026-08-22T10:52:25Z) - Unsupervised Metal Artifact Reduction in Dental CBCT using Fine-tuned Cycle-Consistent Adversarial Networks [0.0]
歯科インプラントにより生成された金属遺物は, コーンビームCT(CBCT)ボリュームを著しく低下させた。
高忠実度復元に最適化されたCycleGAN(Cycle-Consistent Adversarial Network)を用いた金属アーチファクト削減(MAR)のための教師なしディープラーニングフレームワークが提案されている。
このアーキテクチャは、U-NetベースのジェネレータとPatchGAN識別器を統合しており、特に、発生幻覚を緩和し、形態的整合性を維持するために調整されている。
論文 参考訳（メタデータ） (2026-07-23T06:55:02Z) - Enhancing Fine-Grained Spatial Grounding in 3D CT Report Generation via Discriminative Guidance [16.566888073449714]
ラジオロジーレポート生成(RRG)のための視覚言語モデル(VLM)は、ボリュームスキャンから長めの胸部CTレポートを生成することができる。
既存の方法は2つの重要な制限に直面している: (i) トレーニングの監督は、しばしば粗くなり、きめ細かい属性や病理の場所を明示的に調整することなく、CTのボリューム全体を完全な自由テキストのレポートと整列する。
本稿では,フリーテキストレポートから微細なキューを蒸留し,レポート生成をガイドするプラグイン・アンド・プレイフレームワークであるPrompt Dropout (DCP-PD) を用いたemphDiscrimi Cue-Promptingを提案する。
論文 参考訳（メタデータ） (2026-04-12T03:25:41Z) - Hide-and-Seek Attribution: Weakly Supervised Segmentation of Vertebral Metastases in CT [68.09387763135236]
脊椎レベルの健康・悪性のラベルにのみ、病変マスクを伴わずに訓練を施した弱い指導方法を提案する。
マスクの監視がないにも関わらず,強い爆発・解析性能を達成する。
論文 参考訳（メタデータ） (2025-12-07T14:03:28Z) - Adapting Foundation Model for Dental Caries Detection with Dual-View Co-Training [53.77904429789069]
本稿では, 歯列検出のための新しいDual-View Co-TrainingネットワークであるAttention-TNetについて紹介する。
OurTNetは、自動歯肉検出を用いて、パノラマX線画像からのグローバルビューと、収穫した歯肉画像からのローカルビューの2つの補完的なビューを確立する。
両ビューからの情報を効果的に統合するために,Gated Cross-Viewモジュールを導入する。
論文 参考訳（メタデータ） (2025-08-28T14:13:26Z) - A Novel Attention-Augmented Wavelet YOLO System for Real-time Brain Vessel Segmentation on Transcranial Color-coded Doppler [49.03919553747297]
我々は,脳動脈を効率よく捉えることができるAIを利用したリアルタイムCoW自動分割システムを提案する。
Transcranial Color-coded Doppler (TCCD) を用いたAIによる脳血管セグメンテーションの事前研究は行われていない。
提案したAAW-YOLOは, 異方性および対側性CoW容器のセグメンテーションにおいて高い性能を示した。
論文 参考訳（メタデータ） (2025-08-19T14:41:22Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Deep Omni-supervised Learning for Rib Fracture Detection from Chest
Radiology Images [41.62893318123283]
ディープラーニング(DL)に基づくリブ骨折検出は、死亡を予防し、患者の予後を改善する上で重要な役割を担っている。
DLベースのオブジェクト検出モデルは、大量のバウンディングボックスアノテーションを必要とします。
医用データの注釈付けは時間がかかり専門知識が要求されるため、大量の細かい注釈を得られることは極めて不可能である。
我々は,ORF-Netv2という新しいオブジェクト検出ネットワークを提案する。
論文 参考訳（メタデータ） (2023-06-23T05:36:03Z)
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。